Integration of image and dipole sonic logs for identification of natural fractures and stress-induced anisotropy in Asmari reservoir (A case study, SW Iran)
Notice bibliographique
Résumé
Borehole sonic dispersion analysis is a technique that provides valuable insights into the realm of borehole sonic interpretation. This research involves an analysis of shear-wave anisotropy and ultrasonic image logs to differentiate between types of fractures and their orientations. Evaluating fractures relies on core samples and image logs are limited. This highlights the need for a more affordable and efficient way to analyse fractures. A challenge in the wellbore is distinguishing natural fractures from those caused by drilling. Using oil-based mud often makes it hard to find signs indicating the direction of in-situ stress. A new method has been created to reliably identify natural fractures when image logs are insufficient for mapping fracture networks. The cross-dipole data reveals five main zones exhibiting shear-wave splitting. Higher anisotropy is observed at shallower depths, while the deeper interval shows low porosity accompanied by considerable inhomogeneity, highlighting potential areas of concern. The dominant directions of anisotropy are aligned with NW-SE, WNW-ESE, and N-S orientations. Slowness frequency analysis of rotated flexural waves identifies fracture types. Dispersion profiles show natural and induced fractures, with cross-over patterns indicating stress-induced anisotropy. Significant inhomogeneity is observed in the bottom interval, where the differences between maximum and minimum energy level are pronounced. Wider dispersion curves suggest breakouts are slowing high-frequency flexural waves, indicating mechanical damage. The maximum stress direction is determined by the fast-shear azimuth. In conclusion, this study demonstrates that by integrating acoustic shear dispersion, shear anisotropy, Stoneley analysis, and image log data, fractures within the borehole wall can be effectively investigated. • The dominant mechanisms contributing to anisotropy in this well are natural fractures and breakouts. • The sonic and image log relationship relies on fracture density, aperture, and borehole proximity. • Image and dipole sonic logs provide complementary information for fracture analysis, and their consistency is crucial for accurate fracture characterization. • The methodology outlined demonstrates a remarkable consistency between image and dipole sonic logs.
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 ».