Research on Formation Pressure Prediction Method for Ultra-Deep Tight Sandstone Based on Collocated Cokriging
Notice bibliographique
Résumé
Compared to conventional reservoirs, the prediction of pressure in ultra-deep tight sandstone formations is difficult. The prediction of seismic pressure is more challenging than well-logging pressure prediction. The main methods for seismic pressure prediction include the equivalent depth method, Eaton method, Fillippone formula, and modified versions. Among them, the Eaton method is widely used and has good effectiveness. However, this method relies on difficult-to-obtain normal compaction trend lines, which leads to low prediction accuracy in space. To address this issue, a method combining the Eaton method and collocated cokriging is proposed. Herein, the Eaton formula is used to predict formation pressure at the well, with compressional wave velocity as the covariate for predicting the main variable—formation pressure. By simulating the shear wave velocity based on seismic compressional wave velocity, the influence of various parameters on the prediction results is analyzed, and the accuracy of this method is verified by comparing it with other methods. The proposed method is then applied to predict formation pressure in the ultra-deep formations of the Junggar Basin. The simulation results show that the collocated cokriging method achieves higher planar accuracy and better matches the experimental expectations in terms of prediction results. The application results also demonstrate the scientific effectiveness of the combined method, which has achieved good results in practical production applications.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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 ».