Improving porosity and gamma-ray prediction for the Middle Jurassic Hugin sandstones in the southern Norwegian North Sea with the application of deep neural networks
Notice bibliographique
Résumé
Abstract The complete characterization of a reservoir requires accurate determination of properties such as the porosity, gamma ray, and density, among others. A common workflow is to predict the spatial distribution of properties measured by well logs to those that can be computed from the seismic data. In general, a high degree of scatter of data points is seen on crossplots between P-impedance and porosity, or P-impedance and gamma ray, suggesting great uncertainty in the determined relationship. Although for many rocks there is a well-established petrophysical model correlating the P-impedance to porosity, there is not a comparable model correlating the P-impedance to gamma ray. To address this issue, interpreters can use crossplots to graphically correlate two seismically derived variables to well measurements plotted in color. When there are more than two seismically derived variables, the interpreter can use multilinear regression or artificial neural network analysis that uses a percentage of the upscaled well data for training to establish an empirical relation with the input seismic data and then uses the remaining well data to validate the relationship. Once validated at the wells, this relationship can then be used to predict the desired reservoir property volumetrically. We have described the application of deep neural network (DNN) analysis for the determination of porosity and gamma ray over the Volve field in the southern Norwegian North Sea. After using several quality-control steps in the DNN workflow and observing encouraging results, we validate the final prediction of the porosity and gamma-ray properties using blind well correlation. The application of this workflow promises significant improvement to the reservoir property determination for fields that have good well control and exhibit lateral variations in the sought properties.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».