MétaCan
Menu
Retour à la cohorte
Enregistrement W3116780128 · doi:10.2118/201735-ms

Integrated Reservoir Characterization with Spectroscopy, Dielectric and NMR T1-T2 Maps in Freshwater Environment, Case Studies from Alaska

2020· article· en· W3116780128 sur OpenAlexaff
ZhanGuo Shi, Tunde Akindipe, Brett Wendt, Germán García

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNMR spectroscopy and applications
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesnon disponible
Mots-clésPetrophysicsMud loggingFormation evaluationPorosityGeologyReservoir modelingHydrocarbon explorationPetroleum engineeringHydrocarbonSpectroscopyMineralogyMaterials scienceChemistryGeotechnical engineeringDrilling fluidOrganic chemistryGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract Hydrocarbon identification and evaluation with conventional triple-combo logs and Archie-based equations in freshwater environments has been a challenge for petrophysicists. In the first case study from Alaska, shallow reservoir information from non-Archie based technologies including total organic carbon (TOC) from spectroscopy measurements, hydrocarbon volume derived from dielectric and NMR logs were used for quick hydrocarbon bearing zones identification, decision making on fluid sampling and early determination of oil properties. The high-resolution NMR T1-T2 maps, derived from the latest inversion, revealed the presence of viscous oil. Another targeted formation is a laminated shaly sand sequence, also in a freshwater environment. The array resistivity logs show a low contrast profile and it is more challenging for fluid identification and evaluation. Relatively high resistivity anisotropy from 3D induction suggest the formation is potentially hydrocarbon bearing. TOC from spectroscopy and water filled porosity from dielectric compared to the total porosity are direct indicators of the presence of hydrocarbons in the formation, but the interpretation is complicated by water-based mud (WBM) filtrate invasion. The stacked T1-T2 maps generated immediately after NMR logging for selected intervals, clearly showed the presence of light oil. This was confirmed by the latest wireline formation testing in the next logging run. Instead of quantitative formation properties evaluation this paper focuses on qualitative fluid identification with non-resistivity-based technologies, particularly with T1-T2 maps. NMR T1-T2 fluid mapping has been traditionally used for unconventional reservoir and is well discussed in various literatures. In our case, this technique has been applied for conventional reservoirs in the freshwater environment.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,285
Écart entre enseignants0,265 · 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'étudeObservationnel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetNMR spectroscopy and applicationsTravaux en français237 207