Hydrocarbon Generation Potentials of Cenozoic Lacustrine Source Rocks: Gulf of Thailand, Southeast Asia
Notice bibliographique
Résumé
Several hydrocarbon-rich Cenozoic basins are scattered across Southeast Asia and they present excellent opportunity to examine these rich but under-explored basins. These near-shore basins have petroleum potentials that are associated with the Oligocene-Miocene fluvio-lacustrine multipetroleum systems but are largely underexplored. This study evaluates the petroleum source potentials of some selected Cenozoic basins via maturation modelling analysis, burial and heat flow histories. ZetaWare’s Genesis modelling software was used for the study with burial history and thermal history parameters (vitrinite, TOC and HI). The maximum transformation of kerogen to hydrocarbon for source rocks in these basins may be as high as 80-100%. Analyses showed that threshold maturity for maximum hydrocarbon expulsion is around 1.0% vitrinite reflectance (Ro). Thermal maturation is accentuated with depth-especially southward and offshore. Source rocks in the Western (central) and Hua Hin (north) Basins are the most prolific (with up to 400 mgHC/gtoc); least prolific sources are in the Western (north and south) Basin with 96-120 mgHC/gtoc and 40-50 mgHC/gtoc respectively. These sources have expelled only secondary amount of gas (11-80mg/gtoc) because they are oil prone sources. Oil to gas expulsion ratio of 7:1 is estimated. Hydrocarbon expulsion started in the Late Miocene after the emplacement of all necessary traps. Deeply buried sources show good prospects for possible residual hydrocarbon generation. Moreover, all the modelled wells displayed source rocks that expelled significant quantity of hydrocarbon. All these basins show strong correlation with Pattani Basin, the most prolific hydrocarbon-bearing basin in the Gulf of Thailand.
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 | 0,001 |
| 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) | 0,001 | 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 ».