Validation of Permeability and Relative Permeability Data Using Mercury Injection Capillary Pressure Data
Notice bibliographique
Résumé
This paper reports on a study with the objective to validate a set of core analysis data using a combination of mercury injection capillary pressure (MICP) data and statistical correlation techniques. The data set is from an off-shore reservoir in Atlantic Canada. Analysis of this reservoir was complicated by the fact that the permeabilities of the samples were high, greater than 2400 mD. The analysis was done using an existing data set, not a data set specifically tailored for the techniques used in the analysis. The data analyzed included samples that represented seven zones in a single well. Porosities and permeabilities were available for the MICP samples. Electrical properties, along with porosities and permeabilities, were available on samples from each zone, but not from the same depths as the MICP samples. Steady-state relative permeabilities (SSRP) were available for stacked samples in each zone; one of the samples in the stack was a companion sample for one of the MICP samples from that zone. The MICP results were used to validate the permeability measurements using both the Swanson method (SM) and the Ruth-Lindsay-Allen (RLAM) method. The SM, using published correlation parameters, significantly under-predicted the permeabilities; the RLAM, which uses no correlation parameters, gave predictions within a maximum error of just over 33% and a mean error of -12%. The MICP data was used to validate the shapes of the SSRP curves using the Gates and Tempelaar-Lietz method (GT-LM), the Burdine method (BM), and a modified Burdine method (MBM). The GT-LM, which uses no correlation parameters, provided good predictions of the wetting phase SSRP curves but very poor predictions of the non-wetting phase SSRP curves. The BM, using published correlation parameters, provided poor predictions of the wetting phase SSRP curves but improved predictions of the non-wetting phase SSRP curves. The MBM provided good predictions of the wetting phase SSRP curves and acceptable predictions of the non-wetting phase SSRP curves. The MBM method does use a correlation parameter but a single value was used for all seven zones. This work provides a protocol for validating core analysis data that can be implemented in a straightforward manner to determine the “quality” of the data. The results emphasize the importance of MICP as an experimental technique. A proposed modified workflow is presented that would optimize the validation protocol.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».