Evaluation of petrophysical rock typing and determination of pore size distribution in a carbonate reservoir using nuclear magnetic resonance
Notice bibliographique
Résumé
Tight carbonate reservoirs exhibit more complex petrophysical parameters than conventional carbonate reservoirs, presenting unique challenges for characterization and hydrocarbon exploration. One crucial aspect of describing a tight carbonate reservoir is the accurate calculation of petrophysical properties (e.g. porosity and permeability) and rock characteristics. The proposed workflow has been implemented in the Ilam Formation, which is a tight carbonate reservoir. Applying an integrated methodology, including petrography, thin-section analysis, mercury injection capillary pressure (MICP), scanning electron microscopy (SEM) and nuclear magnetic resonance (NMR), on reservoir rocks is a prerequisite to understanding the complexity of carbonate reservoirs, petrophysical properties and pore throat size distribution. As a result, combining the aforementioned parameters will reduce the amount of uncertainty associated with exploratory projects. Core measurements and the petrophysical rock typing (PRT) method were used to determine permeability, porosity and capillary pressure curves. Based on the PRT method, four rock types were determined when considering the geological attributes. The pore size distribution curves obtained from the NMR model show that NMR could be applied as a useful technique for estimating pore size distribution and correspond with the results from the MICP method, which reinforces the importance of integrating NMR–MICP to improve carbonate pore facies estimates. Moreover, the results of this study showed that the NMR log data, when calibrated with MICP, core data analysis, thin-section petrography and SEM images, can help to characterize the tight carbonate reservoir more accurately and reduce uncertainty in the reservoir rock typing.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».