Estimation of modified fluid factor and dry fracture weaknesses using azimuthal elastic impedance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We consider the problem of fluid identification and fracture detection in unconventional reservoir (tight gas sand and shale gas) characterization. We begin with a simplification of the stiffness parameters and the derivation of a linearized reflection coefficient and azimuthal elastic impedance (EI). The accuracy of the simplification is confirmed in application to gas-bearing fractured rocks with low porosity and small fracture density. We have developed a modified fluid factor that is more sensitive to fluid type and less influenced by porosity. A two-step inversion workflow is evaluated based on the derived linearized reflection coefficient and azimuthal EI, including (1) a damped least-squares inversion for azimuthal EI, constrained by an initial model, and (2) a Bayesian Markov chain Monte Carlo inversion for the modified fluid factor and dry fracture weaknesses. Stability and accuracy are examined with synthetic data, from which we conclude that the modified fluid factor and dry fracture weaknesses can be stably determined in the presence of moderate data error/noise. The stability of our approach is further confirmed on a fractured tight gas sand field data set, within which we observe that geologically reasonable parameters (Lamé constants, the modified fluid factor, and dry fracture weaknesses) are determined. We conclude that our inversion workflow and its underlying assumptions form realistic predictions/discriminations of reservoir fracture and fluid parameters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle