Using Drilling Data to Calculate Porosity & Permeability
Notice bibliographique
Résumé
Porosity and permeability are two important parameters for reservoir characterization, formation evaluation, and stimulation design. Typically, the methods for obtaining these two parameters are not only costly and time consuming, but can have a high degree of uncertainty. Drilling data can provide great insight into downhole occurrences, but it is commonly overlooked as a source of information. In this work, drilling data and an inverted rate of penetration (ROP) model are utilized to determine unconfined compressive strength (UCS) values at any point where drilling data has been collected. Using UCS and porosity values collected from laboratory measurements, a porosity representative correlation for sandstone and shale formations is established. Additionally, taking gamma ray measurements into consideration, a porosity correlation for mixed lithology zones is developed based on field data from three previously drilled wells in Alberta, Canada. Porosity and permeability data found through laboratory testing for various sandstone and shale formations has been collected and used to establish a correlation between the two parameters for the individual formations. Using the sandstone and shale porosity-UCS correlations, the collected laboratory porosity data is used to determine UCS for the individual sandstone and shale formations. The permeability is plotted with the corresponding UCS values for the various formations and a correlation between the two parameters is developed. Determining UCS from drilling data allows for both porosity and permeability data to be found and could potentially have real-time application potential.Knowledge of porosity and permeability in unconventional horizontal wells could be beneficial to stimulation design. Having the ability to find the porosity and permeability from drilling data would mean that these two parameters are known throughout a lateral and ultimately allow for optimization of selective stimulation. This could potentially reduce the need for logging, laboratory testing, and overall cost.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».