MétaCan
Menu
Retour à la cohorte
Enregistrement W3005786191 · doi:10.1190/int-2019-0182.1

Permeability inversion using induced microseismicity: A case study for the Longmaxi shale gas reservoir

2020· article· en· W3005786191 sur OpenAlexaff
Yadong Zhang, Reza Rezaee, Tobias M. Müller, Guangjie Zheng, Jimmy Xuekai Li, Yu Fan, Bo Zeng, Xiaojin Zhou

Notice bibliographique

RevueInterpretation · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensPetro-Canada
Organismes subventionnairesCentro de Investigación Científica y de Educación Superior de Ensenada, Baja CaliforniaChina Scholarship CouncilConsejo Nacional de Ciencia y TecnologíaCurtin University of Technology
Mots-clésThermal diffusivityPermeability (electromagnetism)PoromechanicsGeologyMicroseismBiot numberFluid dynamicsHydraulic fracturingMechanicsPorous mediumGeotechnical engineeringThermodynamicsChemistryPorosityPhysicsSeismology

Résumé

récupéré en direct d'OpenAlex

Abstract We have predicted the flow permeability and its spatial distribution for the Longmaxi shale gas reservoir using microseismicity induced during hydraulic-fracturing stimulation. In the time-of-occurrence versus distance-from-injector plot, we find that microseismic points exhibit a parabolic envelope, which we interpret as a triggering front. This reveals that fluid pressure diffusion is at least one of the underlying mechanisms of microseismicity generation. We derive the large-scale equivalent diffusivity from the triggering front plot and thereafter obtain a 3D diffusivity map of the heterogeneous reservoir by solving an eikonal-like equation suggested previously. During this process, we apply kriging interpolation to increase the density of sparsely distributed microseismic points. The resulting diffusivity ranges between 1.0 and 25.85 m2 s−1 with the peak probability attained at 1.8 m2 s−1, which is consistent with the estimate we obtain from the triggering front analysis. We transform the diffusivity map into a permeability map using three different theories of fluid pressure diffusion in porous media: the seismicity-based reservoir characterization method (SBRC) based on Biot’s theory of poroelasticity, the quasirigid medium approximation (QRMA), and the deformable medium approximation (DMA) based on the de la Cruz-Spanos theory. The permeability according to QRMA is slightly higher than that from SBRC, yet we observe no significant difference. However, these estimates are by one order of magnitude higher compared with the permeability estimate from DMA. Furthermore, the permeability from all three theories is much higher than that from previously reported core sample measurements. We interpret this as the difference between large-scale equivalent and matrix permeability and therefore lend weight to the hypothesis that there exist highly conducting fluid pathways, such as natural fractures.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,988

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)0,0000,000

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 Opus0,070
Tête enseignante GPT0,295
Écart entre enseignants0,225 · 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.

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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterpretationMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207