Comparison of <scp>NMR</scp> ‐Derived Hydraulic Conductivity with Various Hydraulic Testing Methods
Notice bibliographique
Résumé
Borehole nuclear magnetic resonance (NMR) can be used to estimate the hydraulic conductivity (K) of unconsolidated materials. Various petrophysical models have been developed to predict K based on NMR response, with considerable efforts on optimizing site-specific constants. In this study, we assessed the utility of NMR logs to estimate K within highly heterogeneous glaciofluvial deposits by comparing them with K measurements from three types of co-located hydraulic testing methods, including permeameter, multi-level slug, and direct-push hydraulic profiling tool (HPT) logging tests. Four NMR models, including Schlumberger-Doll Research (SDR), Seevers, Sum-of-Echoes (SOE), and Kozeny-Godefroy (KGM), were applied to construct K profiles at four locations with model constants optimized using permeameter-based K. Model constants suitable for glaciofluvial deposits were provided. Results showed that NMR logging can provide reliable K estimates for interbedded layers of sand/gravel, silt, and clay. Through cross-hole comparison of NMR-derived K profiles, the trends and magnitudes of K for aquifers/aquitards were readily mapped. Quantitatively, the NMR-derived K coincided with hydraulic-testing K, with optimal model fits within one order of magnitude. We noticed that (1) Seevers performed similarly but no better than SDR in predicting permeameter and slug testing measurements; (2) SOE yielded slightly better predictions than SDR; (3) the removal of porosity in SDR did not deteriorate its prediction, and the optimized SDR constant resembled the literature-based values for glacial deposits; and (4) KGM yielded the optimal fits with slug-based K, demonstrating its reliable performance. Lastly, we made recommendations on selecting suitable petrophysical models.
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 ».