Method and application of fracture width calculation based on formation contrast variation index
Notice bibliographique
Résumé
ABSTRACT Accurate calculation of fracture width is essential for characterizing fractured hydrocarbon reservoirs. However, this remains challenging when relying on geophysical logging alone. The results of fracture width calculations vary considerably when the same fracture is evaluated using electrical imaging logging under different formation contrasts, which are defined by the ratio of mud resistivity to flushed zone resistivity. This makes it difficult to perform multi-well comparisons accurately for the evaluated fracture width in practical applications. A logging evaluation method for fracture width was proposed based on physical experiment studies. First, we constructed a physical model of a granite formation containing micrometer-scale irregular fractures that can be used to capture data with the electrical imaging logging instrument and measured the true fracture widths in the physical model. Due to experimental constraints, the fractures of the physical model are open fractures with a certain degree of roughness. Formation microscanner image logging data were acquired in the physical model under five different mud salinity conditions and were subsequently processed and analyzed. Finally, the fracture width evaluation method was proposed by introducing the formation contrast variation index, a new parameter that accounts for resistivity contrast effects. This proposed method can accurately calculate fracture width when drilling in different mud salinity conditions. Validation through experimental data and case studies demonstrates its robustness and practical applicability. This approach provides a reliable foundation for the objective calculation of fracture porosity and fracture permeability, thereby supporting more effective exploration and development of fractured hydrocarbon reservoirs.
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 ».