MétaCan
Menu
Retour à la cohorte
Enregistrement W1956413136 · doi:10.3968/j.aped.1925543820140701.1856

Study on Cement Slurry System for Deep and Ultra-Deep Wells

2014· article· en· W1956413136 sur OpenAlexvenueno aff
Kai Gao

Notice bibliographique

RevueAdvances in petroleum exploration and development · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCementRetarderPetroleum engineeringGeotechnical engineeringSlurryPressure systemDeep seaGeologyThickeningHigh pressureSubmarine pipelineEngineeringMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Cementing quality can’t meet the requirements in deep and ultra-deep wells cementing because of many factors such as long open hole section, multiple pressure system, high temperature and high pressure. In order to solve the problem of cementing in deep and ultra-deep wells, retarder and fluid loss additive were studied, then the cement slurry system for deep and ultra-deep wells were developed and the performance was evaluated. The results show that the cement slurry has steady performance for high temperature, adjustable thickening time, less fluid loss, good settlement stability, and high compressive strength, all of which can meet the requirement of cementing in deep and ultra-deep wells. Pilot tests of this cement system were conducted in more than 30 wells in Shengli, Dagang, Liaohe, Jiangsu, Jilin and Offshore oilfield, cementing qualities of these wells were qualified, which indicates that comprehensive performance of this kind of cement slurry system can meet the technical requirements for deep and ultra-deep wells cementing, which provides the references for the deep and ultra-deep wells cementing in all of the word. Key words : Deep and ultra-deep wells; Cementing; Fluid loss additive; Retarder; Thickening time

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,224
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in petroleum exploration and developmentMême sujetDrilling and Well EngineeringTravaux en français237 207