Application of nuclear magnetic resonance permeability models in tight reservoirs
Notice bibliographique
Résumé
Abstract Tight reservoir permeability with values ranging from a few nD–0.1 mD is a challenging parameter to measure. Since the 1970s, many correlations were applied to estimate the permeability of tight formations using the nuclear magnetic resonance (NMR) technique. Due to increasing interest in tight reservoir recovery, each year many papers are published on the Timur‐Coates and Kenyon models and their modification on estimating the NMR permeability of tight reservoirs. It brings up the question of which is the most accurate, reliable, and feasible model to be used for predicting tight NMR permeability. The first part of this paper is dedicated to introducing the existing models for NMR‐based estimates of tight reservoir permeability. The second part compares these models by applying them on tight reservoirs from North America, Asia, and Europe. NMR experiments were conducted on 150 cores. NMR T 2 relaxation times were measured and effective and total porosities, the geometric mean of relaxation time (T 2gm ), irreducible bulk volume (BVI), and free fluid index (FFI) were calculated. For validation of the models, the cross plots of NMR permeability versus the Klinkenberg gas permeability are presented. Comparison of the model is based on the calculated standard error of these two independently measured permeabilities. This paper is beneficial in understanding existing tight reservoir NMR permeability models. The results can be used as a guide for choosing the best NMR permeability estimation model for tight reservoirs data.
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 | 0,000 | 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 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 ».