MétaCan
Menu
Retour à la cohorte
Enregistrement W2943754646 · doi:10.1190/tle38050374.1

Thermal effective stress in shales

2019· article· en· W2943754646 sur OpenAlexaff
Jeremy Gallop

Notice bibliographique

RevueThe Leading Edge · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensOPKO Health (Canada)Petro-Canada
Organismes subventionnairesnon disponible
Mots-clésOil shaleScalingThermalEffective stressThermal expansionStress (linguistics)GeologyPore water pressureCore (optical fiber)Matrix (chemical analysis)GeomechanicsCalibrationMechanicsGeotechnical engineeringMaterials scienceGeometryMathematicsThermodynamicsComposite materialPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Calculating velocities in shales in thermal production settings is important to refine time-lapse reservoir characterization from seismic. The effective stress concept is attractive to potentially reduce the amount of expensive core calibration data required. We propose a formulation for thermal effective stress in shales based on the idea of balancing undrained pore pressure increments from thermal expansion with an increase in the matrix stress to minimize pore deformation. This formulation is motivated by a desire to simplify forward modeling, reduce the number of dimensions that must be experimentally calibrated through core testing, and to leverage existing velocity-stress relations for thermal applications. The concept was tested on data from a well-known set of experiments consisting of two North Sea Kimmeridge shale core samples, which displayed a linear dependence of velocity on pressure and temperature. These data were found to be consistent with the proposed thermal effective stress model with a constant effective stress coefficient when considering elastic changes but do not prove that the concept is universally valid. Thermal effective stress coefficients were calculated for P- and S-wave velocities from the data and were found to lie from 0.66 to 1.22, demonstrating reasonable scaling for the proposed model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,010
Tête enseignante GPT0,221
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Leading EdgeMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207