MétaCan
Menu
Retour à la cohorte
Enregistrement W1972524928 · doi:10.2118/113618-pa

A Sensitivity Analysis for Effective Parameters on 2D Fracture-Network Permeability

2009· article· en· W1972524928 sur OpenAlexaff
Alireza Jafari, T. Babadagli

Notice bibliographique

RevueSPE Reservoir Evaluation & Engineering · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater flow and contamination studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Tehran
Mots-clésFracture (geology)FractalFractal analysisPercolation (cognitive psychology)Fractal dimensionMaterials scienceSensitivity (control systems)Permeability (electromagnetism)StatisticsGeologyComputer scienceMathematicsEngineeringComposite materialMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Summary Fracture-network mapping and estimation of its permeability constitute two major steps in static-model preparation of naturally fractured reservoirs. Although several different analytical methods were proposed in the past for calculating fracture-network permeability (FNP), different approaches are still needed for practical use. We propose a new and practical approach to estimate FNP using statistical and fractal characteristics of fracture networks. We also provide a detailed sensitivity analysis to determine the relative importance of fracture-network parameters on the FNP in comparison to single-fracture conductivity using an experimental-design approach. The FNP is controlled by many different fracture-network parameters such as fracture length, density, orientation, aperture, and single-fracture connectivity. Five different 2D fracture data sets were generated for random and systematic orientations. In each data set, 20 different combinations of fracture density and length for different orientations were tested. For each combination, 10 different realizations were generated. The length was considered as constant and variable. This yielded a total of 1,000 trials. The FNPs were computed through a commercial discrete-fracture-network (DFN) modeling simulator for all cases. Then, we correlated different statistical and fractal characteristics of the networks to the measured FNPs using multivariable-regression analysis. Twelve fractal (sandbox, box counting, and scanline fractal dimensions) and statistical (average length, density, orientation, and connectivity index) parameters were tested against the measured FNP for synthetically generated fracture networks for a wide range of fracture properties. All cases were above the percolation threshold to obtain a percolating network, and the matrix effect was neglected. The correlation obtained through this analysis using four data sets was tested on the fifth one with known permeability for verification. High-quality match was obtained. Finally, we adopted an experimental-design approach to identify the most-critical parameters on the FNP for different fracture-network types. The results are presented as Pareto charts. It is believed that the new method and results presented in this paper will be useful for practitioners in static-model development of naturally fractured reservoirs and will shed light on further studies on modeling and understanding the transmissibility characteristics of fracture networks. It should be emphasized that this study was conducted on 2D fracture networks and could be extended to 3D models. This, however, requires further algorithm development to use 2D fractal characteristics for 3D systems and/ or development of fractal measurement techniques for a 3D system. This study will provide a guideline for this type of research.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,580
Score d'incertitude au seuil0,614

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,019
Tête enseignante GPT0,273
Écart entre enseignants0,254 · 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

Citations33
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Reservoir Evaluation & EngineeringMême sujetGroundwater flow and contamination studiesTravaux en français237 207