Quantitative Characterization of Heterogeneity in Different Reservoir Spaces of Low‐Permeability Sandstone Reservoirs and Its Influence on Physical Properties
Notice bibliographique
Résumé
The complex pore structure of low‐permeability sandstone reservoir makes it difficult to characterize the heterogeneity of pore throat. Taking the reservoir of Sanjianfang formation in QL oilfield as an example, the fractal dimension of different storage spaces is calculated by using fractal theory based on casting thin section, scanning electron microscope, and high‐pressure mercury injection, and the correlation between porosity, permeability, and contribution of different storage space permeabilities is analyzed. The results show that the reservoir of Sanjianfang formation in QL oilfield mainly develops small pores, fine pores, and micropores, and the fractal dimension of micropore structure is between 2.6044 and 2.9982, with an average value of 2.8316. The more complex the pore structure is, the stronger the microheterogeneity is. The higher the fractal dimension, the more complex the pore structure and the smaller the porosity and permeability. The fractal dimensions of small pores, fine pores, and micropores increase successively with the decrease in pore radius, and the microstructure heterogeneity of large pores is weaker than that of small pores. It provides a theoretical basis for the exploration and development of low‐permeability sandstone reservoirs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».