MétaCan
Menu
← Retour à la cohorte
Enregistrement W3035338956 · doi:10.3997/2214-4609.201950121

Using Pyrolysis for the Reservoir Properties Assessment of Low-Permeability Carbonate Formation

2019· article· en· W3035338956 sur OpenAlexaff
E. A. Vtorushina, M. N. Vtorushin, Timur Bulatov

Notice bibliographique

RevueGeomodel 2019 · 2019
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensOptech (Canada)
Organismes subventionnairesnon disponible
Mots-clésKerogenPyrolysisCarbonateTotal organic carbonOrganic matterMineralogyPermeability (electromagnetism)Petroleum engineeringGeologySource rockChemistryEnvironmental chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Summary The organic matter characteristics are obtained and oil-saturated intervals are identified in the sections of low-permeability carbonate formation based on pyrolysis data using rock analyzer HAWK Resource Workstation. Depth distribution of pyrolysis parameters in wells – thermally freed hydrocarbons (S0+S1), kerogen (S2), Tmax, Total Organic Carbon (TOC), Production Index (PI), Oil Saturated Index (OSI) and Hydrogen Index (HI) are investigated. It has been shown that the thermal maturity of organic matter of the most samples comes to “oil window” zone. The kerogen is mainly of Type II. According to pyrolysis data the distinguished features of the reservoir rocks are increased PI values, OSI > 100 mg HC/g rock and significant S2 peak decreasing (more than 50%) after extraction that indicates the allochthonous bitumoids.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,037
Tête enseignante GPT0,287
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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 revueGeomodel 2019→Même sujetPetroleum Processing and Analysis→Travaux en français237 207→