Consolidating rock-physics classics: A practical take on granular effective medium models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Granular effective medium (GEM) models rely on the physics of a random packing of spheres. Although the relative simplicity of these models contrasts with the complex texture of most grain-based sedimentary rocks, their analytical form makes them easier to apply than numerical models designed to simulate more complex rock structures. Also, unlike empirical models, they do not rely on data acquired under specific physical conditions and can therefore be used to extrapolate beyond available observations. In addition to these practical considerations, the appeal of GEM models lies in their parameterization, which is suited for a quantitative description of the rock texture. As a result, they have significantly helped promote the use of rock physics in the context of seismic exploration for hydrocarbon resources by providing geoscientists with tools to infer rock composition and microstructure from sonic velocities. Over the years, several classic GEM models have emerged to address modeling needs for different rock types such as unconsolidated, cemented, and clay-rich sandstones. We describe how these rock-physics models, pivotal links between geology and seismic data, can be combined into extended models through the introduction of a few additional parameters (matrix stiffness index, cement cohesion coefficient, contact-cement fraction, and laminated clays fraction), each associated with a compositional or textural property of the rock. A variety of real data sets are used to illustrate how these parameters expand the realm of seismic rock-physics diagnostics by increasing the versatility of the extended models and facilitating the simulation of plausible geologic variations away from the wells.
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.
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 | 0,001 | 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 | 0,003 |
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 découle