Seismic facies discrimination incorporating relative rock physics
Notice bibliographique
Résumé
Abstract Seismic facies discrimination is usually performed based on a rock-physics-driven quantitative interpretation approach. The accuracy of the study of rock physics largely impacts the reservoir and fluid recognition. However, the study is commonly conducted with absolute well logs without removing the trend effect. Such an approach may introduce inappropriate low-frequency information and bias further analysis of seismic data (crossplotting, facies probability density function generation, and projection angle determination). By contrast, relative rock physics with the trend decomposed reflects the rock-property variation of the overburden and underlying formation. The relative portions are more consistent with the seismic reflectivity, providing an alternative tool to facies interpretation through a seismic inversion scheme. A workflow for seismic facies discrimination has been investigated that incorporates relative rock physics, long short-term memory-based nonlinear seismic inversion, and Bayesian classification. This workflow is employed in a case study from Songliao Basin in northeast China, through which the results of relative and absolute approaches in key steps are analyzed and compared. The consistency of facies, determined through relative and absolute methods with petrophysical interpretation, is calculated. The relative analysis exhibits improved agreement with petrophysical interpretation in overall facies and reservoir sand discrimination of the blind wells. This indicates the potential to minimize the trend bias by integrating relative rock physics in quantitative interpretation.
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 | 0,001 |
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 ».