Predicting oil saturation of shale-oil reservoirs using nuclear magnetic resonance logs
Notice bibliographique
Résumé
Abstract Oil saturation is an important parameter in shale-oil reservoir evaluation. However, due to complex wettability and pore construction, we find that conventional resistivity and nuclear magnetic resonance (NMR) methods do not perform well in calculating oil saturation in shale-oil reservoirs. Hence, we have developed a practical NMR-based method to calculate the oil saturation of the Lucaogou shale-oil Formation, Permian, in Jimusar Sag, Junggar Basin, China. First, we analyze the relationships among the wettability, oil saturation, and T2 distribution based on the theoretical formula and core analysis data. Results indicate that the ratio of the surface area wetted by water and oil is approximately equal to the ratio of water saturation and oil saturation. So we conclude that oil is mainly stored in relatively bigger pores and the surface relaxivity of the oil-wet surface is lower than that of the water-wet surface, resulting in long relaxation signals, that is, the long relaxation signals of NMR T2 spectra of shale-oil reservoirs are primarily attributed to oil signals. We have made a series of NMR measurements of as-received samples and confirm this point. Thus, we propose a T2 cutoff for water and oil to calculate the oil saturation, and we determine 6 ms as the T2 cutoff based on the oil saturation analysis of cores and NMR logs. Finally, we verify and make application of our method and acquire good results.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».