MétaCan
Menu
Retour à la cohorte
Enregistrement W1973785183 · doi:10.2118/126029-ms

Application of Chemical Tracers in IOR: A Case History

2010· article· en· W1973785183 sur OpenAlexaff
Mahmoud Asadi, G. Michael Shook

Notice bibliographique

RevueNorth Africa Technical Conference and Exhibition · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensOncolytics Biotech (Canada)
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringTRACERFluid dynamicsGeologyFlood mythPermeability (electromagnetism)Water injection (oil production)PetrologyMechanicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Secondary recovery is a process in which reservoir fluid is mobilized and moved from an injection well toward a production well. The success of this process greatly depends on the knowledge of reservoir continuity and uniformity, in terms of fluid transmissibility, and how much of the reservoir fluid volume can be contacted by the injection fluid. In any water/gas flood injection project, fluid channeling through mini-fractures, faults, and high permeability streaks results in problems such as poor reservoir sweep efficiency and low hydrocarbon recovery. Therefore, knowledge of direct communication between the injection and production wells as well as an understanding of formation heterogeneity can be of great help to overcome these problems. While techniques such as seismic, mapping geological deposition and reservoir simulation provide valuable information about the feasibility of secondary recovery projects, tracer testing is the only available method that provides valuable information on direct communication, flow-path, and formation heterogeneity across the injection and production wells. This paper presents a detailed review of chemical tracer applications in IOR with a supportive case history from a water-flood field. The paper also presents interpretation and discussion of the results on direct communication identification, formation heterogeneity evaluation, and swept pore volume calculation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,213
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
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

Citations23
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNorth Africa Technical Conference and ExhibitionMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207