Empirical modeling of the saturated shear modulus in oil sands
Notice bibliographique
Résumé
ABSTRACT Seismic reservoir characterization and monitoring require the knowledge of seismic wave velocities and their dependencies on reservoir properties and production-induced changes. In heavy-oil saturated rocks at cold temperatures, due to the nonzero shear rigidity of the fluid, the saturated shear modulus is higher than the dry shear modulus and, consequently, the observed P- and S-wave velocities are higher than Gassmann’s predicted velocities. Appropriate modeling of the saturated shear modulus can greatly enhance the accuracy of quantitative interpretation of spatial fluid saturation and temperature distribution within a reservoir undergoing thermal production. Using a well-log data set of an Athabasca heavy-oil play and measured oil viscosities from core samples, we estimate fluid viscosity, shear modulus, and the American Petroleum Institute (API) gravity logs by training a neural network (NNT) with available well logs. We also estimate the dry shear modulus of heavy-oil saturated rocks using an NNT approach after modeling the pressure variations within the reservoir. Our empirical model uses the apparent shear modulus of the oil, its saturation, porosity, and dry shear modulus to estimate the saturated shear modulus of the rock. We calibrate the model to ultrasonic lab measurements. Available literature data support the validity of the model and show the improved performance compared to the Ciz and Shapiro model. The range of applicability of the model is defined mathematically, and the behavior of the model with respect to the input parameters is examined through sensitivity analyses.
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 ».