Multi-stage Hydraulic Fracturing Design In Horizontal Wells With The Use Of Drill Cuttings
Notice bibliographique
Résumé
Abstract Successful multi-stage hydraulic fracturing of horizontal wells requires a clear understanding of the in-situ stress profile. This implies knowledge of rock properties and pore pressure variations throughout the wellbore. These properties can be determined with a good level of certainty when complete data sets are available. In practice, however, data scarcity from horizontal wells is the rule rather than the exception. This has led in most instances to performing multi-stage hydraulic fracturing jobs in symmetric intervals throughout the horizontal well without regard to the optimum locations where hydraulic fractures should be initiated. This study shows how data extracted from drill cuttings collected in a horizontal well can be used for optimizing multi-stage hydraulic fracturing. The cuttings are used in the laboratory for measuring porosity and permeability and for estimating geomechanical properties (e.g. Young Modulus, Poisson's ratio, brittleness index). The data permit generating the in-situ stress profile and other geomechanical parameters in a hydraulic fracturing model. A comparison is made of two cases in a horizontal well of the Western Canada Sedimentary Basin (WCSB), where only a gamma ray log is available: In one case drill cuttings are used for estimating geomechanical properties to select fracture initiation zones; in the other case symmetric fracturing stages are selected without giving consideration to geomechanical properties. The conclusion is reached that the petrophysical and geomechanical knowledge acquired from the study of drill cuttings leads to better rates and improved ultimate recoveries.
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 ».