MétaCan
Menu
Retour à la cohorte
Enregistrement W3115468374 · doi:10.1190/int-2020-0101.1

1D mechanical earth modeling in the Permian Lucaogou Shale of the Santanghu Basin, Northwest China, from a complete set of laboratory data

2020· article· en· W3115468374 sur OpenAlexaff
Bo Liu, Kouqi Liu, Arash Abarghani, Seyedalireza Khatibi, Lingyun Kong, Saeed Rafieepour, Xinning Li, Mehdi Ostadhassan

Notice bibliographique

RevueInterpretation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensPetro-Canada
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésGeologyOil shaleFeldsparPermianCalciteMineralogyStructural basinGeochemistryPetrologyGeotechnical engineeringQuartzPaleontology

Résumé

récupéré en direct d'OpenAlex

Understanding various properties of unconventional shale plays is important for successful field operations and development. We have comprehensively examined a total of 11 core plugs from the productive unit of the Middle Permian Lucaogou Formation in the Santanghu Basin with various experimental tools. Mineral assemblages were detected, and we found that samples are in the oil window with a combination of type I and II kerogens. After static and dynamic geomechanical analysis, we established a correlation between ultrasonic and static geomechanical parameters. The results indicated that the samples have a brittle behavior with hydrostatic compressive strength ranging from 177.68 to 419.63 MPa, and static Young’s modulus from 9.93 to 53.24 GPa. In the next step, using the measured data we calibrated the only existing well log from where the samples were retrieved and we built an 1D mechanical earth model throughout the entire target formation. Ultimately, by using partial least-squares regression analysis, we determined that feldspar and calcite are the main stiff minerals that would affect the mechanical properties positively, whereas clay minerals and organic matter could have a negative impact on the rock mechanical parameters.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,224

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 Opus0,042
Tête enseignante GPT0,246
Écart entre enseignants0,204 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterpretationMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207