MétaCan
Menu
Retour à la cohorte
Enregistrement W2913900176 · doi:10.1144/petgeo2018-099

Bedding-scale geomodelling for effective permeability estimation in the Upper McMurray Formation, NE Alberta, Canada

2019· article· en· W2913900176 sur OpenAlexaboutno aff
Hao Chen, Longxin Mu, Chang Guangfa

Notice bibliographique

RevuePetroleum Geoscience · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésGeologyMetamorphic petrologyTelmatologyHydrogeologyPalaeogeographyPermeability (electromagnetism)BeddingEconomic geologyIgneous petrologyGeobiologyEnvironmental geologyRegional geologyEngineering geologyGeochemistryGeotechnical engineeringPaleontologyVolcanismTectonicsChemistry

Résumé

récupéré en direct d'OpenAlex

The McMurray Formation is one of the most significant bitumen deposits in Canadian oil sands. Bitumen-bearing sand intervals deposited and reworked in fluvial, tidal or estuarine environments result in heterogeneous sediment distributions comprising clean sands and low-permeability muddy laminae or mud drapes. These interlayers increase the difficulty in estimating reservoir permeability, which is a critical geological parameter to predict the performance of in situ thermal processes of the oil sands projects. In this paper, we describe a bedding-scale geomodelling and simulation workflow using core images, core-plug and Vshale logs to estimate the effective permeability ( K h , K v ) in the Upper McMurray Formation. Details of five steps in this workflow are presented. To show the general applicability of this workflow, three pay-zone facies from tidal-channel infilled deposits of the Mackay River Project, CNPC, were selected to demonstrate this sedimentary process mimicking bedding-scale geomodelling strategy. The results of effective permeability estimation have the potential to improve history matching in flow simulations and performance forecasting.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,059
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,005
Tête enseignante GPT0,206
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePetroleum GeoscienceMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207