Effect of Heterogeneity in a Horizontal Well With Multiple Fractures on the Long-Term Forecast in Shale Gas Reservoirs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Shale gas reservoirs have become a significant source of gas supply in North America owing to the advancement of drilling and stimulation techniques to enable commercial development. The most popular method for exploiting shale gas reservoirs today is the use of long horizontal wells completed with multiple-fracturing stages (MFHW). The stimulation process may result in bi-wing fractures or a complex hydraulic fracture network. However, there is no way to differentiate between these two scenarios using production data analysis alone, making accurate forecasting difficult. For simplicity, often hydraulic fractures are considered bi-wing when analyzing production data. A conceptual model that is often used for analyzing MFHWs is that of a homogeneous completion; in which all fractures have the same length. However, fracture lengths that are equal in length are rarely if ever seen (Ambrose et al., 2011). In this paper, production data from heterogeneous MFHW (i.e., all fracture lengths are not the same) drilled in extremely low permeability reservoirs is studied. First, the simplified forecasting method of Nobakht et al. (2010) developed for homogeneous completions is extended to heterogeneous completions. For one specific case, the Arps decline exponent is correlated to the heterogeneity of the completion. It is found that Arps’ decline exponent to be used after the end of linear flow increases with the heterogeneity of the completion. Finally, it is shown that ignoring the heterogeneity of the completion can have a great effect on the long-term forecast of these wells.
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.
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) | 0,001 | 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 découle