Multiscale Reconstruction of Vuggy Carbonates by Pore-Network Modeling and Image-Based Technique
Notice bibliographique
Résumé
Summary Vugular carbonate rocks have a complicated flow behavior because of their multimodal porosity system, with different interconnectivity at the pore scale. In this study, a new hybrid algorithm to reconstruct a bimodal vugular porous medium is introduced by coupling the pore-network modeling approach (i.e., stochastic) with the image-based network technique (i.e., process-based). This work implements image-processing techniques to generate a lattice-based network of secondary porosity (i.e., vugs) on top of an initial pore-network model at the pore scale. The resulting multiscale model is designed to preserve vug-to-vug and vug-to-pore connectivity of overlapping vugs. Modifying the effective conductance of the overlapped vugs enables the calculation of permeability of the dual-porosity network by applying mass conservation and the Poiseuille law. The method is validated on samples from an Iranian carbonate formation. The matrix micropores obtained from the mercury-intrusion laboratory measurements are statistically reconstructed by a Nelder-Mead optimization algorithm. Our results show that during the addition of vugs into a network, the absolute permeability of the network increases monotonically with rising porosity before vug percolation. However, once vuggy pores percolate, the absolute permeability of the network increases tremendously. Moreover, the availability of vugs makes the network structure more complex as determined by the off-diagonal complexity measure. The results of this study help in understanding the behavior of vuggy formations observed in carbonate reservoirs.
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 ».