Mobility Effect on Poroelastic Seismic Signatures in Partially Saturated Rocks With Applications in Time‐Lapse Monitoring of a Heavy Oil Reservoir
Notice bibliographique
Résumé
Abstract Conventional seismic analysis in partially saturated rocks normally lays emphasis on estimating pore fluid content and saturation, typically ignoring the effect of mobility, which decides the ability of fluids moving in the porous rocks. Deformation resulting from a seismic wave in heterogeneous partially saturated media can cause pore fluid pressure relaxation at mesoscopic scale, thereby making the fluid mobility inherently associated with poroelastic reflectivity. For two typical gas‐brine reservoir models, with the given rock and fluid properties, the numerical analysis suggests that variations of patchy fluid saturation, fluid compressibility contrast, and acoustic stiffness of rock frame collectively affect the seismic reflection dependence on mobility. In particular, the realistic compressibility contrast of fluid patches in shallow and deep reservoir environments plays an important role in determining the reflection sensitivity to mobility. We also use a time‐lapse seismic data set from a Steam‐Assisted Gravity Drainage producing heavy oil reservoir to demonstrate that mobility change coupled with patchy saturation possibly leads to seismic spectral energy shifting from the baseline to monitor line. Our workflow starts from performing seismic spectral analysis on the targeted reflectivity interface. Then, on the basis of mesoscopic fluid pressure diffusion between patches of steam and heavy oil, poroelastic reflectivity modeling is conducted to understand the shift of the central frequency toward low frequencies after the steam injection. The presented results open the possibility of monitoring mobility change of a partially saturated geological formation from dissipation‐related seismic attributes.
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.
Comment cette classification a été obtenuedéplier
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».