Carbonate shoal microfacies characterization using the interdependent of depositional systems and diagenesis of Kais Formation in the Matoa Field, Salawati Basin
Notice bibliographique
Résumé
Matoa Field in the Salawati Basin, Papua, Indonesia was discovered in 1991. Oil production commenced in 1993, yielding a cumulative production of more than 21 MMBO by 2015. In the latest POD that was approved in 1999 and was valid until 2019, it was recommended to drill six additional wells within three integrated structures. By 2018, a static model was built, incorporating present-day island analogues and the latest interpretation from reprocessed 3D seismic data, paleontological data, and petrographic analyses. The latest static model renews the understanding on reservoir characteristics (geometry and microfacies) for the purpose of further field development. This paper discusses field analogues in correlation with an interplay of carbonate depositional environment with diagenetic evolution in the Matoa Field. Three candidates for possible present-day analogues of Matoa Field were screened i.e., Java Sea’s Thousand Islands, Kapoposang Islands of Spermonde Archipelago, and the Great Barrier Reef of Australia. The objective was to improve understanding of the conceptual geological model in the regional sense. Based on palaeogeomorphology (morpho-arrangements, shelf geometry and sedimentary architecture), the present-day Central Reef Zone of Wet Tropic at the Great Barrier Reef is fit to be utilized as an analogue to the continental, Miocene Salawati carbonate complex. Well-tied 3D seismic data, from which several multiple attributes were analysed, have been reprocessed twice. Attributes such as RMS Amplitude, realized RMS Amplitude, Sweetness and Relative Acoustic Impedance were analysed and extracted to understand the diagenetic features of Matoa Carbonate reservoir. The result shows that RMS Amplitude, in combination with petrographic – paleontological data, exhibits the most likely attribute to characterize sedimentology and top diagenetic picks of the carbonates. It is concluded from four reservoir zones in Matoa’s static model, that present-day analogues and distinct interplay among lithology, depositional and diagenetic systems are key aspects to revise the development strategies. The most significant interdependent factors can be quantitatively measured and modelled, such as the dual porosity system which was synthesized by Phi separate vug from the RFN Lucia porosity model.
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 | 0,000 |
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 ».