MétaCan
Menu
Retour à la cohorte
Enregistrement W4200274730 · doi:10.1190/geo2020-0454.1

Using laboratory data to understand how pore aspect ratio influences elastic parameters and amplitude variation with offset

2021· article· en· W4200274730 sur OpenAlexafffund
Kamal Moravej, Alison Malcolm

Notice bibliographique

RevueGeophysics · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésPore water pressureAspect ratio (aeronautics)AmplitudeMaterials scienceSaturation (graph theory)CompressibilityPorosityPermeability (electromagnetism)GeologyOffset (computer science)Amplitude versus offsetMineralogyMechanicsGeotechnical engineeringComposite materialOpticsChemistry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Pore geometry is an important parameter in reservoir characterization that affects the permeability of reservoirs and can also be a controlling factor on the impact of pressure and saturation on reservoirs elastic properties. We have used selective laser sintering 3D printing technology to build physical models to experimentally investigate the impacts of pore aspect ratio on compressional (P-) and shear wave (S-wave) velocities and amplitude variation with offset (AVO). We printed six models to study the effects of the pore aspect ratio of prolate and oblate pore structures on elastic properties and AVO signatures. We found that the P-wave velocity is reduced by decreasing the pore aspect ratio (flatter pore structure), whereas the S-wave velocity is less sensitive to the pore aspect ratio. This effect is reduced when the samples are water saturated. We developed new experimental and processing techniques to extract realistic AVO signatures from our experimental data and found that the pore aspect ratio has similar effects on AVO as fluid compressibility. This indicated that not considering the pore aspect ratio in AVO analysis can lead to misleading interpretations. We also found that these effects are reduced in water-saturated samples.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,398
Score d'incertitude au seuil0,315

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 Opus0,060
Tête enseignante GPT0,251
Écart entre enseignants0,191 · 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'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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207