Integrated shale-gas reservoir characterization: A case study incorporating multicomponent seismic data
Notice bibliographique
Résumé
The objective of this case study is to predict geologic properties of a shale reservoir interval to guide production and completion planning for successful development of the reservoir. The conditioning, analysis, and blending of the converted-wave (PS) seismic data into a quantitative interpretation (QI) workflow are described in detail, illustrating the successful integration of geologic information and multiple seismic attributes. A multicomponent 3D seismic survey, several wells with dipole sonic logs, and a multicomponent (3C) 3D vertical seismic profile are available for the study. For comparisons of the incremental value of PS data, the QI workflow is completed entirely using only PP data and then modified and redone to incorporate information from the PS data. Predictions of the geologic properties for both workflows are assessed for accuracy against the existing well log and core evidence. Determining reservoir properties of the shale units of interest is important to the successful placement of horizontal wells for efficient multistage hydraulic fracturing and maximum gas production. Although conventional interpretation of conventional seismic data can only provide reservoir geometry, the quantitative analysis of prestack multicomponent data in this study reveals detailed distinctions between reservoir units and relative measures of porosity and brittleness bulk properties within each unit. Using all of the elastic properties derived from the seismic data analysis allowed for the classification of lithological units, which were, in turn, subclassified based on unit-specific reservoir properties. The upper reservoir units (Muskwa and Otter Park) were shown to have more variability in brittleness than the lower reservoir unit (Evie). Validation at a reliable well control confirmed these distinctive units and properties to be very high resolution and accurate, particularly when the PS data were incorporated into the workflow. The results of this method of analysis provided significantly more useful information for appraisal and development decisions than conventional seismic data interpretation alone.
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 | 0,001 | 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 | 0,001 |
| 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 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 ».