MétaCan
Menu
Retour à la cohorte
Enregistrement W2896046149 · doi:10.2118/191359-pa

Integration of 4D Seismic in Steam-Assisted-Gravity-Drainage Reservoir Characterization

2018· article· en· W2896046149 sur OpenAlexaff
Mostafa Hadavand, Paul Carmichael, A Hosseinzadeh Dalir, Maximo Rodriguez, Diogo F. Silva, Clayton V. Deutsch

Notice bibliographique

RevueSPE Reservoir Evaluation & Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensConocoPhillips (Canada)University of Alberta
Organismes subventionnairesnon disponible
Mots-clésSteam-assisted gravity drainageGeologyPetroleum engineeringSteam injectionFluid dynamicsFlow (mathematics)Reservoir modelingSeismic to simulationSeismic inversionAsphaltOil sandsMechanicsAzimuth

Résumé

récupéré en direct d'OpenAlex

Summary 4D seismic is one of the main sources of dynamic data for heavy-oil-reservoir monitoring and management. 4D seismic is significant because seismic attributes such as velocity and impedance depend on variations in reservoir-fluid content, temperature, and pressure distribution as a result of hydrocarbon production. Thus, the large-scale nature of fluid flow within the reservoir can be evaluated through information provided by 4D-seismic data. Such information may be described as anomalies in fluid flow that can be inferred from the unusual patterns in variations of a seismic attribute. During steam-assisted gravity drainage (SAGD), the steam-chamber propagation is fairly clear from 4D-seismic data mainly because of changes in reservoir conditions caused by steam injection and bitumen production. Anomalies in the propagation of the steam chamber reflect the quality of fluid flow within the reservoir. A practical methodology is implemented for integration of 4D seismic into SAGD reservoir characterization for the Surmont project.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,267
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,320
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Reservoir Evaluation & EngineeringMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207