CN105804732B - 一种基于相对电阻率随机模拟反演的油气分布预测方法 - Google Patents
一种基于相对电阻率随机模拟反演的油气分布预测方法 Download PDFInfo
- Publication number
- CN105804732B CN105804732B CN201610148059.4A CN201610148059A CN105804732B CN 105804732 B CN105804732 B CN 105804732B CN 201610148059 A CN201610148059 A CN 201610148059A CN 105804732 B CN105804732 B CN 105804732B
- Authority
- CN
- China
- Prior art keywords
- reservoir
- curve
- fluid
- relative resistivities
- lithology
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
Abstract
本发明涉及一种基于相对电阻率随机模拟反演的油气分布预测方法，属于储层预测技术领域。本发明首先选择对岩性识别能较强的曲线，重构岩性指示曲线，建立岩性模型；其次选择对储层识别较强的曲线，重构储层指示曲线，建立储层模型；再分析确定储层中流体的电阻率标准，通过扩大不同类型流体电阻率数值差异性的方式，形成对储层内流体具有较强敏感度的相对电阻率曲线，在此基础上，通过波阻抗反演数据的约束，采用随机模拟反演方法，达到提高储层内部流体预测精度的目的。
Description
技术领域
本发明涉及一种基于相对电阻率随机模拟反演的油气分布预测方法，属于储层预测技术领域。
背景技术
针对储层内流体分布复杂的油气藏，如何准确的预测油气藏富集区，有效识别油气水界面，是油气田开发有利区优选与井位部署成功的关键。通常利用电阻率曲线结合地震波阻抗数据进行反演，通过电阻率参数的空间分布规律明确油气富集区，进而指导油气的勘探开发。由于生烃强度、充注动力、储层致密程度、束缚水饱和度等因素影响，很多隐蔽油气藏(例如低阻碎屑岩油气藏)中油(气)水层电阻率数值差别小，没有明显的油气水界面，同时部分致密储集体电阻率数值较高，高于或与油(气)层电阻率数值相近，影响了利用电性特征开展油气藏预测的精度。电阻率曲线难以作为有效识别依据，常规的电阻率反演结果无法有效指示流体类型及储存状态。
发明内容
本发明的目的是提供一种基于相对电阻率随机模拟反演的油气分布预测方法，以解决常规电阻率反演误差较大、平面分布不能有效反映实际储层流体电阻率分布的问题。
本发明为解决上述技术问题提供了一种基于相对电阻率随机模拟反演的油气分布预测方法，该预测方法的步骤如下：
1)选择对岩性识别较强的曲线，重构岩性指示曲线，并以波阻抗数据体为约束，结合岩性指示曲线建立岩性反演模型；
2)选择对储层识别较强的曲线，重构储层指示曲线，并以波阻抗数据体为约束，根据岩性反演模型结合储层指示曲线建立储层反演模型；
3)根据储层中流体类型和识别标准确定储层中流体的电阻率标准，形成流体相对电阻率，并结合声波时差对相对电阻率进行重构，建立流体相对电阻率指示曲线；
4)根据建立的储层反演模型，利用相对电阻率指示曲线，并结合波阻抗数据体，建立相对电阻率反演模型；
5)根据所建立的相对电阻率反演模型识别流体相对电阻率分布特征，从而预测出储层分布区域。
所述步骤1)中重构的岩性指示曲线为：
Cg＝(a1*NGr+b1*NCNL)*c1
其中Cg为重构的岩性指示曲线，无量纲；NGr为归一化后的自然伽马值；NCNL为标准化后的补偿中子值，为百分数刻度；a1和b1为权重系数；c1为研究区自然伽马曲线平均值到最大值的某个整数。
所述步骤2)中重构的储层指示曲线为：
Ks＝(a2*NSP+b2*NAC)*c2
其中Ks为重构的储层指示曲线，无量纲；NSP为归一化后的自然电位值；NAC为标准化后的声波时差值，为百分数刻度；a2和b2为权重系数；c2为研究区自然电位曲线最小值到平均值的某个整数。
所述的步骤3)中的流体相对电阻率指示曲线为：
Rs＝lgAC*Rtd
其中Rs为重构的流体相对电阻率指示曲线，单位为无量纲；AC为补偿声波时差值，单位为μs/m；Rt为流体电阻率，单位为Ω·m；d为调整参数值。
所述步骤4)中相对电阻率反演模型的建立过程如下：根据储层反演模型，区分出渗透储层和致密干层；选择渗透储层建立储层遮挡体，以确保流体电阻率在渗透储层里模拟；利用相对电阻率指示曲线，结合波阻抗数据体，采用地质统计学方法进行随机反演。
本发明的有益效果是：本发明利用重构的岩性指示曲线保证了岩性划分及岩性反演数据体的正确性，能够有效区分常规波阻抗反演无法识别的储集岩(砂)围岩(泥)岩薄互层；在岩性识别的基础上利用重构的储层指示曲线明确了有效的渗透储层，并隔离电阻率较高的致密储集岩(干层)，利用相对电阻率指示曲线，有效划分了渗透储层中流体相对电阻率分布特征，实现了针对隐蔽油气藏油气水关系的识别及定量化描述。
附图说明
图1是基于相对电阻率随机模拟反演的油气分布预测方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
为解决常规电阻率反演误差较大、平面分布不能有效反映实际储层流体电阻率分布的问题，本发明提供了一种基于相对电阻率随机模拟反演的油气分布预测方法，该方法的流程如图1所示，首先选择对岩性识别较强的曲线，重构岩性指示曲线，建立岩性模型；其次选择对储层识别较强的曲线，重构储层指示曲线，建立储层模型；再分析确定储层中流体的电阻率标准，通过扩大不同类型流体电阻率数值差异性的方式，形成对储层内流体具有较强敏感度的相对电阻率曲线，在此基础上，通过波阻抗反演数据的约束，采用随机模拟反演方法，达到提高储层内部流体预测精度的目的。
下面以某致密低渗碎屑岩气田为例，其为低阻气藏，气水分布零散，关系复杂，分布规律不明确直接影响了生产井部署及气田高效滚动开发的开展，亟需明确气水分布规律。该气田已有钻井51口，三维地震面积约为500平方公里，储层精细标定可靠，利用本发明的基于相对电阻率随机模拟反演的油气分布预测方法进行预测的具体实施方式如下：
1.在拟进行反演的研究区(有二维或三维地震资料)内进行测井资料校正处理，进行储层电性特征及岩石物理特征(各电性、储层与波阻抗关系)分析，确立围岩、致密层、油(气)层、油(气)水层、水层的电性标准及岩石物理特征。
2.根据步骤1，优选对岩性识别较强的曲线并进行归一化，在此基础上明确各岩性所对应的取值范围。由于单一曲线在岩性识别时存在多解性，需要结合其他曲线，以碎屑岩气藏为例，自然伽马曲线可以有效反映地层中泥质含量，但是难以有效区分煤岩、灰岩及高放射性砂岩，而补偿中子曲线对地层中的氢含量敏感，不受放射性矿物质影响，二者构建新的岩性指示曲线可以排除非砂岩储集体。归一化后两条曲线值域为(0，1)，构建岩性指示曲线，其公式如下：
Cg＝(a1*NGr+b1*NCNL)*c1
式中，Cg为重构的岩性指示曲线，无量纲。NGr为归一化后的自然伽马值，NCNL为标准化后的补偿中子值，为百分数刻度，a1和b1为权重系数，c1为经验值(研究区自然伽马曲线平均值到最大值的某个整数)，调整权重系数以得到较好的岩性划分效果。提高调整权重系数使得重构的岩性指示特征曲线与波阻抗曲线一次线性拟合相关度的绝对值大于0.5，以保证与波阻抗有较高相关性，明确重构岩性指示曲线在各岩性的值域范围。
本实施例对区域内各井自然伽马测井值进行归一化处理，归一化的自然伽马值值域为(0，1)。在补偿中子曲线区域标准化基础上，归一化补充中子曲线，值域为(0，1)，根据岩性指示特征曲线公式，a1取值范围为(0，1，……，10)，b1取值范围为(0，1，……，10)，c1取值范围为([Grmean]，…，100，110，…，[Grmax])，调整权重系数并优选，确定a1值为3，b1值为9，c1为220，与岩性交汇分析确定Cg≤270为砂岩，270＜Cg＜350为粉砂岩、泥质含量较高的细岩，Cg≥350为泥岩。重构后的岩性指示曲线与波阻抗拟合相关系数达到0.86，与测录井成果对比具有较高纵向分辨率，以波阻抗数据体为约束，结合岩性指示曲线应用地质统计学方法建立砂泥岩岩性模型。
3.在波阻抗相关性分析基础上，结合波阻抗数据体进行约束，应用地质统计学方法开展重构岩性指示曲线随机模拟反演，形成岩性反演模型(例如碎屑岩气田为砂泥岩岩性模型)，明确研究区主要目的层段岩性空间展布特征。
地质统计学是以变差函数为基本工具，在研究区域化变量的空间分布结构特征规律性的基础上，综合考虑空间变量的随机性和结构性的一种数学方法。地质统计学反演技术较普通反演方法优势明显，它将随机模拟与地震反演相结合，以变差函数为主要工具和手段，建立的储层模型更为精确并且考虑储层空间的不确定性和储层参数在空间上的变异性。目前地质统计学反演技术在储层预测中的应用广泛，许多商业软件(jason、petrel、geoview等)也陆续开发了该项技术，相关地质统计学科目教材及反演方法中多有具体表述，这里不再详述。实现过程主要由随机模拟和对模拟结果进行优选并使之符合地质认识两部分组成。既通过岩性曲线分岩性与井上波阻抗分层作概率做相关性分析，把相关关系应用到井约束波阻抗模型，从而由波阻抗数据体转化得到岩性概率体，作为后面岩性指示模拟的约束趋势。对岩性曲线进行统计分析，选择合适的变差函数，在概率模型和变差函数控制下，结合产生的岩性曲线，利用“序贯指示模拟或序贯高斯模拟”对该区进行岩性模拟，随机模拟产生一组等概率的三维模型，结合单井原始数据及地质认识进行模拟结果优选。
结合本实施例地区钻井情况，确定关键井和标准层，采用环境校正，对自然电位测井进行泥岩基线偏移校正，以排除地层水矿化度及井眼扩径对曲线的影响。在标准化的基础上，确定每口井的泥岩基线，本实施例中的确定的泥岩基线为65，自然电位曲线值域为(5，120)，变换为(-60，55)，归一化实现相同值域范围的量化，归一化为(-1，1)。对声波时差曲线进行归一化，值域为(0，1)。根据储层指示曲线，不断调整，与储层交互分析，重构后的储层指示曲线与波阻抗拟合相关系数达到0.84，一致性较好，与测井解释成果对比其具有较高纵向分辨率。
4.确定对储层识别能力较强的测井曲线(例如碎屑岩中的自然电位及声波时差曲线)进行环境校正，分别标准化、归一化实现相同值域范围的量化，例如自然电位曲线，分别根据每口井的泥岩基线进行归一化，值域为(-1，1)，声波时差值域为(0，1)。由于单一曲线及其值域具有一定的多解性，因此需要开展曲线重构建立储层指示曲线，以进一步提高对储层渗透性识别的精度；公式如下：
Ks＝(a2*NSP+b2*NAC)*c2
式中，Ks为重构的储层指示曲线，无量纲。NSP为归一化后的自然电位值，NAC为标准化后的声波时差值，为百分数刻度，a2和b2为权重系数，c2为经验值(研究区自然电位曲线最小值到平均值的某个整数)，调整权重系数以得到较好的储层划分效果，同时提高调整权重系数使得重构的储层指示曲线与波阻抗曲线一次线性拟合相关度的绝对值大于0.5，以保证与波阻抗有较高相关度。明确储层指示曲线分别在储层和致密干层的值域范围。
5.根据建立的岩性反演模型，并根据所确定的岩性指示曲线在储集岩的值域范围，建立岩性遮挡体，以确保仅在储集岩里模拟，并利用建立的储层指示曲线，结合波阻抗数据体，应用地质统计学方法，开展储层指示曲线随机模拟，形成储层模型，达到空间刻画渗透储层及致密储集岩(干层)分布特征结果。
6.根据储层中流体类型和气水识别标准，分别确立油(气)层、油(气)水层、水层的电阻率标准。对油(气)层电阻率数值进行N次方放大(N为整数)，油(气)水层电阻率数值进行(N-1)次方放大、水层电阻率数值开N次平方，形成流体相对电阻率Rtd。
7.结合对数变换后的声波时差，对步骤6中计算的流体相对电阻率Rtd进行重构，建立流体相对电阻率指示曲线，其公式如下：
Rs＝lgAC*Rtd
式中，Rs为重构的流体相对电阻率指示曲线，单位为无量纲。AC为补偿声波时差值，单位为μs/m，Rt为流体电阻率，单位为Ω·m，d为调整参数值，取值分别为步骤6中的N、N-1及1/N。不同地区需调整参数d，以得到较好的效果。
结合本实施例的单井测试成果和气水识别标准，在储层认识基础上分别确立气层、气水层和水层的电阻率标准为：气层≥16Ω·m，11Ω·m≤气水层＜16Ω·m，水层≤11Ω·m。根据流体相对电阻率指示曲线，对气层电阻率数值N进行取值，范围为(2，3，……，n)，对气水层电阻率数值N进行取值，范围为(1，2，……，n-1)，对水层电阻率数值N进行取值，范围为(1/2，1/3，……，1/n)。经过多次参数调整和优选，确定以下流体相对电阻率公式：
气层＝lgAC*Rt3
气水层＝lgAC*Rt2
水层lgAC*Rt1/2
重构后的流体相对电阻率指示曲线与波阻抗拟合相关系数达到0.79，具有一致较好行，与测井解释成果及测试成果对比具有较高纵向分辨率。
8.根据步骤5建立的储层模型，在区分出渗透储层和致密干层基础上，选择渗透储层建立储层遮挡体，以确保流体电阻率在渗透储层里模拟，并利用步骤6和7建立的相对电阻率指示曲线，结合波阻抗数据体，应用地质统计学方法得到相对电阻率随机模拟反演模型。
最后根据所建立的相对电阻率反演模型识别流体相对电阻率分布特征，从而预测出储层分布区域。
本实施例通过15口实钻井进行抽稀验证(抽稀井不参与运算，仅36口井参与模拟)，14口井模拟结果与实钻符合，符合率达到93％，可以堪称本发明能够较成熟的预测储层分布，实现了不同流体电阻率的差异分布特征，较好的解决了本区气藏气水分布规律不清的问题。
本发明采用相对电阻率随机模拟反演方法实现了分级模拟及流体电阻率区分，首先通过重构岩性指示曲线保证了岩性划分及岩性反演数据体的正确性，有效区分了常规波阻抗反演无法识别的储集岩(砂)围岩(泥)薄互层；其次通过重构储层指示曲线明确了有效的渗透储层，并隔离了电阻率较高的致密储集岩(干层)；最后利用相对电阻率指示曲线，有效划分了渗透储层中流体相对电阻率的分布特征，实现了针对隐蔽油气藏油气水关系的识别及定量化描述。
Claims (5)
1.一种基于相对电阻率随机模拟反演的油气分布预测方法，其特征在于，该预测方法的步骤如下：
1)选择对岩性识别较强的曲线，重构岩性指示曲线，并以波阻抗数据体为约束，结合岩性指示曲线建立岩性反演模型；
2)选择对储层识别较强的曲线，重构储层指示曲线，并以波阻抗数据体为约束，根据岩性反演模型结合储层指示曲线建立储层反演模型；
3)根据储层中流体类型和识别标准确定储层中流体的电阻率标准，形成流体相对电阻率，并结合声波时差对相对电阻率进行重构，建立流体相对电阻率指示曲线；
4)根据建立的储层反演模型，利用相对电阻率指示曲线，并结合波阻抗数据体，建立相对电阻率反演模型；
5)根据所建立的相对电阻率反演模型识别流体相对电阻率分布特征，从而预测出储层分布区域。
2.根据权利要求1所述的基于相对电阻率随机模拟反演的油气分布预测方法，其特征在于，所述步骤1)中重构的岩性指示曲线为：
Cg＝(a1*NGr+b1*NCNL)*c1
其中Cg为重构的岩性指示曲线，无量纲；NGr为归一化后的自然伽马值；NCNL为标准化后的补偿中子值，为百分数刻度；a1和b1为权重系数；c1为研究区自然伽马曲线平均值到最大值的某个整数。
3.根据权利要求2所述的基于相对电阻率随机模拟反演的油气分布预测方法，其特征在于，所述步骤2)中重构的储层指示曲线为：
Ks＝(a2*NSP+b2*NAC)*c2
其中Ks为重构的储层指示曲线，无量纲；NSP为归一化后的自然电位值；NAC为标准化后的声波时差值，为百分数刻度；a2和b2为权重系数；c2为研究区自然电位曲线最小值到平均值的某个整数。
4.根据权利要求2所述的基于相对电阻率随机模拟反演的油气分布预测方法，其特征在于，所述的步骤3)中的流体相对电阻率指示曲线为：
Rs＝lgAC*Rtd
其中Rs为重构的流体相对电阻率指示曲线,单位为无量纲；AC为补偿声波时差值，单位为μs/m；Rt为流体电阻率，单位为Ω·m；d为调整参数值。
5.根据权利要求1所述的基于相对电阻率随机模拟反演的油气分布预测方法，其特征在于，所述步骤4)中相对电阻率反演模型的建立过程如下：根据储层反演模型，区分出渗透储层和致密干层；选择渗透储层建立储层遮挡体，以确保流体电阻率在渗透储层里模拟；利用相对电阻率指示曲线，结合波阻抗数据体，采用地质统计学方法进行随机反演。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610148059.4A CN105804732B (zh) | 2016-03-15 | 2016-03-15 | 一种基于相对电阻率随机模拟反演的油气分布预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610148059.4A CN105804732B (zh) | 2016-03-15 | 2016-03-15 | 一种基于相对电阻率随机模拟反演的油气分布预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105804732A CN105804732A (zh) | 2016-07-27 |
| CN105804732B true CN105804732B (zh) | 2019-06-18 |
Family
ID=56467480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610148059.4A Active CN105804732B (zh) | 2016-03-15 | 2016-03-15 | 一种基于相对电阻率随机模拟反演的油气分布预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105804732B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3057831C (en) * | 2017-05-08 | 2021-03-02 | Halliburton Energy Services, Inc. | System and method for evaluating a formation using a statistical distribution of formation data |
| CN108122066B (zh) * | 2017-11-13 | 2021-08-03 | 中国石油天然气股份有限公司 | 储层岩性的确定方法和装置 |
| CN110837114B (zh) * | 2019-10-16 | 2022-02-01 | 中国石油天然气股份有限公司 | 粗面质火山碎屑岩识别方法、装置及电子设备 |
| CN113625361A (zh) * | 2020-05-09 | 2021-11-09 | 中国石油化工股份有限公司 | 一种基于井约束的地震资料定量拓频方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6691037B1 (en) * | 2002-12-12 | 2004-02-10 | Schlumberger Technology Corporation | Log permeability model calibration using reservoir fluid flow measurements |
| CN1797032A (zh) * | 2004-12-29 | 2006-07-05 | 中国石油天然气集团公司 | 一种用波阻抗反演技术确定岩性和流体分布的方法 |
| CN101634718A (zh) * | 2009-05-05 | 2010-01-27 | 中国石油集团西北地质研究所 | 相对波阻抗约束条件下多井测井参数反演的储层预测方法 |
| CN102109616A (zh) * | 2009-12-23 | 2011-06-29 | 中国石油天然气集团公司 | 一种沉积旋回约束的波阻抗反演方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9176252B2 (en) * | 2009-01-19 | 2015-11-03 | Schlumberger Technology Corporation | Estimating petrophysical parameters and invasion profile using joint induction and pressure data inversion approach |
| CA2877395C (en) * | 2012-06-25 | 2019-10-01 | Statoil Petroleum As | Saturation estimation using mcsem data and stochastic petrophysical modeling |
-
2016
- 2016-03-15 CN CN201610148059.4A patent/CN105804732B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6691037B1 (en) * | 2002-12-12 | 2004-02-10 | Schlumberger Technology Corporation | Log permeability model calibration using reservoir fluid flow measurements |
| CN1797032A (zh) * | 2004-12-29 | 2006-07-05 | 中国石油天然气集团公司 | 一种用波阻抗反演技术确定岩性和流体分布的方法 |
| CN101634718A (zh) * | 2009-05-05 | 2010-01-27 | 中国石油集团西北地质研究所 | 相对波阻抗约束条件下多井测井参数反演的储层预测方法 |
| CN102109616A (zh) * | 2009-12-23 | 2011-06-29 | 中国石油天然气集团公司 | 一种沉积旋回约束的波阻抗反演方法 |
Non-Patent Citations (6)
| Title |
|---|
| 储层特征曲线重构反演技术——以冀东油田南堡凹陷为例;刘淑华等;《勘探地球物理进展》;20080229;第31卷(第1期);第53-58页 |
| 储层特征曲线重构技术在储层预测中的应用研究;张静等;《天然气地球科学》;20080630;第19卷(第3期);第396-401页 |
| 含气特征曲线重构技术在致密含气砂岩储层预测中的应用;周惠文等;《天然气地球科学》;20061010;第17卷(第5期);第723-725页 |
| 基于曲线重构的测井约束反演在中生界储层预测中的应用;刘金萍等;《石油天然气学报》;20130215;第35卷(第2期);第105-110页 |
| 声波测井曲线重构技术在储层预测中的应用;袁全社等;《中国海上油气》;20090215;第21卷(第1期);第23-26页 |
| 曲线重构技术在鄂尔多斯盆地岩性圈闭储层预测中的应用;李金泉等;《海洋地质前言》;20130628;第29卷(第6期);第62-66页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105804732A (zh) | 2016-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sato et al. | Monitoring and simulation studies for assessing macro-and meso-scale migration of CO2 sequestered in an onshore aquifer: Experiences from the Nagaoka pilot site, Japan | |
| BR112013015288A2 (pt) | método de escalonamento ascendente com um sistema de processamento dados de modelagem de rocha digitais de escala de poro representando rocha | |
| CN105804732B (zh) | 一种基于相对电阻率随机模拟反演的油气分布预测方法 | |
| Bhattacharya et al. | Flow unit modeling and fine-scale predicted permeability validation in Atokan sandstones: Norcan East field, Kansas | |
| Gundesø et al. | SESIMIRA—a new geological tool for 3D modelling of heterogeneous reservoirs | |
| Abdeen et al. | Subsurface structural setting and hydrocarbon potentiality of the Komombo and Nuqra Basins, South Egypt: a seismic and petrophysical integrated study | |
| Trippetta et al. | Carbonate-ramp reservoirs modelling best solutions: Insights from a dense shallow well database in Central Italy | |
| Schwartz | Fracture pattern characterization of the Tensleep formation, Teapot Dome, Wyoming | |
| Burns et al. | The challenges of shale gas exploration and appraisal in Europe and North Africa | |
| Worthington | Reservoir characterization at the mesoscopic scale | |
| Dommisse et al. | The value of building a multiscale, regional geomodel for reserves assessment of the Midland Basin | |
| Jambayev | Discrete fracture network modeling for a carbonate reservoir | |
| Korre et al. | Coalbed methane reservoir data and simulator parameter uncertainty modelling for CO2 storage performance assessment | |
| Abbaszadeh et al. | Development of an integrated reservoir model for a naturally fractured volcanic reservoir in China | |
| Sharaf et al. | Reservoir description of Upper Cretaceous concretion-rich sandstone, Mississippi, USA: example from Tinsley Field | |
| Zheng et al. | Geological model evaluation through well test simulation: a case study from the Wytch farm oilfield, southern England | |
| Rostami et al. | Reducing Uncertainty Associated with Resource-in-place Calculation Using Integrated Formation Evaluation, Geostatistical Analysis, and Geological Modeling, A Case Study in the Midland Basin | |
| Barton et al. | Integrated Multi-Disciplinary Approach to Predict Reservoir Performance: The Diyab Reservoir Abu Dhabi | |
| Hagby | Modelling medium-depth CO2 injection at the Svelvik CO2 field laboratory in Norway | |
| Hajiabadi et al. | Estimating Mechanical Properties From Sparse Measured Data in Off Shore Hydrocarbon Reservoirs. | |
| Rajput et al. | Reducing uncertainty in horizontal well placement for improved field development | |
| Hossain et al. | Permeability Characterisation of Sedimentological Facies in the Bunter Sandstone Formation, Endurance CO2 Storage Site, Offshore UK | |
| Massonnat et al. | Early evaluation of uncertainties in the incremental condensate recovery through a gas cycling process | |
| Bozorgzadeh et al. | Optimal Reservoir Modeling Improves Development Decision Making for a Fractured UK Onshore Oil Field-A Case Study | |
| Walsh et al. | Characterization and quantification of the methane hydrate resource potential associated with the Barrow Gas Fields |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |