The influence of inter- and intra-channel architecture on deep-water turbidite reservoir performance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bed-scale heterogeneity in channelized deep-water reservoirs can significantly influence reservoir performance, but reservoir simulation typically requires cell sizes much greater than the scale of intra-channel element architecture. Here, bed- to geobody-scale simulations elucidate the influence of bed-scale architecture and channel element stacking on flow and connectivity, informing full-field reservoir model development and evaluation. Models consist of two channel element segments, each 300 m (985 ft) wide by 14 m (45 ft) thick and 550 m (1805 ft) long, stacked in 12 different stacking arrangements. Bed-scale architecture is captured in six deterministic element fills, highlighting interbedded sandstone and mudstone (thin bed) presence (homogeneous v. heterogeneous elements), position (symmetrical v. asymmetrical), and proportion (low v. high element net-to-gross). Each model is flow simulated to illuminate how element stacking and intra-element heterogeneity impacts reservoir performance. Thin bed presence and position have the greatest impact on reservoir connectivity/performance when elements are laterally offset; impacts are minimal when elements are vertically aligned. Impacts are exacerbated when the thin-bed proportion is increased. Where bed-scale architecture is represented, complex flow behaviours generate a significant variability in production timing and the cumulative volumes produced. Simulations consisting of a homogenous element architecture fail to capture complex flow behaviours, producing comparatively optimistic 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.
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 découle