Notice bibliographique
Résumé
Hydraulic fracturing is at a crossroads. Industry is more interested in this technology than ever before, as evidenced by the explosion of SPE hydraulic-fracturing papers over the last 30 years (from 38 in 1975 to more than 500 in 2005). But who is doing the R&D? Ideally, service companies, operators, consultants, universities, and government bodies would do this equally. The priorities of any one group would never dominate, and a healthy division would exist between technology pull (from industry) and technology push (from academia). In an effort to better understand who is driving new hydraulic-fracturing technology, a group of hydraulic-fracturing papers in SPE's eLibrary was studied by reviewing the affiliation of SPE primary authors for 1975 vs. 2005. (The search phrase "hydraulic fracturing" was used with an average of 40% of the papers reviewed in each year.) It was determined that technical leadership has changed with time, with a reduction in primary authorship by operators and universities/government bodies (from 40 to 25% and 37 to 25%, respectively) and a corresponding increase by service companies (from 20 to 39%). This trend also was observed in the broader oil industry (Lovendahl 2003) and in the scientific community on an international level (Rapoport 2006). The reasons for this shift in technology leadership are clear. Many operator R&D programs have declined or have been deemed noncore and completely shut down. Many government bodies are receiving less federal support and are forced to rely on increasingly limited industry cooperative funding (Lovendahl 2003). The result is that most R&D is performed by service companies. This trend could result in hydraulic-fracturing innovation having a bias toward small-step improvement, rather than revolutionary technologies. Keeping hydraulic-fracturing R&D active is a multifaceted challenge. Hydraulic fracturing is at the highest demand ever. R&D from the full range of industry groups and academia is essential for significant technical and commercial advancements to continue. Hydraulic Fracturing additional reading available at the SPE eLibrary: www.spe.org SPE 99428 "A New Approach to Hydraulic-Fracturing Modeling—Fully Coupled With Geomechanical and Reservoir Simulation" by L. Ji, SPE, U. of Calgary, et al. SPE 102326 "New Results Improve Fracture-Cleanup Characterization and Damage Mitigation" by J.A. Ayoub, SPE, Schlumberger, et al. SPE 106052 "Pinpoint Fracturing in Challenging Formations" by K.J. Beatty, SPE, Santos Ltd., et al. SPE 103591 "Use of Extremely High Time-Resolution Production Data To Characterize Hydraulic-Fracture Properties" by J.W. Crafton, SPE, Performance Sciences Inc., et al.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,236 | 0,181 |
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 source (Gemma direct ou Codex distillé), 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 ».