MétaCan
Menu
Retour à la cohorte
Enregistrement W1971428388 · doi:10.2118/137721-ms

Numerical Simulation of the Solvent Drainage Process

2010· article· en· W1971428388 sur OpenAlexaff
Amy Wong, Neil Edmunds

Notice bibliographique

RevueCanadian Unconventional Resources and International Petroleum Conference · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensLaricina Energy (Canada)
Organismes subventionnairesMinisterium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen
Mots-clésProcess (computing)SolventComputer scienceComputer simulationLimitingBlock (permutation group theory)Process simulationGridSimulationMechanical engineeringChemistryMathematicsEngineeringGeometryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Numerical simulations are widely used to predict and history match performance of reservoirs operating under various recovery processes. Simulators can offer quick answers however the answer should be validated against experimental/field data to verify its reliability. Many studies have been conducted to validate SAGD simulation results, but applying thermal simulators to solvent processes with confidence requires more studies and comparisons. This paper will discuss the following topics on simulation of solvent process: Comparing simulation results against the Nenniger and Dunn correlation on warm solvent drainage process Identifying the key input parameters(s) in solvent simulation Effects of grid block sizes on the results of solvent simulation Nenniger and Dunn correlation (2008) provides good estimates of laboratory scaled simulation. Nenniger and Dunn recently mentioned the importance of rate limiting step and thickness of the solvent contact layer in the solvent drainage process. In order to understand the sensitivities of solvent simulation to the rate limiting step and thickness of the solvent contact layer, input parameters and grid block sizes were modified to observe their effects on the process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,421

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,261
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Unconventional Resources and International Petroleum ConferenceMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207