12. Imaging Oil-Sands Reservoir Heterogeneities Using Wide-Angle Prestack Seismic Inversion
Notice bibliographique
Résumé
Introduction Mass density, because of its linear relationship with porosity, has long been recognized as a potential seismic indicator of fluid saturation. Given its dependence on mineral composition, density can also be diagnostic for lithology. In this chapter, we discuss some key aspects of a wide-angle processing and density inversion workflow and apply it to a bitumen reservoir in Canada for imaging reservoir heterogeneities (e.g., shales) that can potentially act as permeability baffles. In this field, intrareservoir shales typically have higher densities than surrounding reservoir sands. This wide-angle workflow yields stable density estimates, from reflected P-waves alone, at a resolution suitable for mapping the intrareservoir shales. This study is based on data from the Surmont bitumen reservoir approximately 60 km southeast of Fort McMurray, Alberta, Canada, in the Lower Cretaceous McMurray formation. The oil is too deep (400 m) to mine. Steam-assisted gravity drainage (SAGD) technology is being used to inject steam into the reservoir and heat the oil so that it can be produced. Shale heterogeneities within the reservoir (Figure 1) thicker than 3 m could have an impact on steam chamber development and affect SAGD performance. Predicting the areal extent and the thickness of these bodies would lead to better reservoir management.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,004 | 0,002 |
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 ».