MétaCan
Menu
Retour à la cohorte
Enregistrement W4243570040 · doi:10.1190/1.9781560802235.ch12

12. Imaging Oil-Sands Reservoir Heterogeneities Using Wide-Angle Prestack Seismic Inversion

2010· book-chapter· en· W4243570040 sur OpenAlexaboutno aff
Baishali Roy, Phil D. Anno, Michael Gurch

Notice bibliographique

RevueSociety of Exploration Geophysicists eBooks · 2010
Typebook-chapter
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrestackLibrary scienceGeologyArchaeologyEngineeringGeographyComputer scienceSeismology

Résumé

récupéré en direct d'OpenAlex

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 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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,527
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,037
Tête enseignante GPT0,229
Écart entre enseignants0,193 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociety of Exploration Geophysicists eBooksMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207