MétaCan
Menu
Retour à la cohorte
Enregistrement W1982286368 · doi:10.2118/165264-ms

Case Study of the Mannville B ASP Flood

2013· article· en· W1982286368 sur OpenAlexaffabout
Lee E McInnis, Kate D Hunter, Tyler Ellis-Toddington, David J Grawbarger

Notice bibliographique

RevueSPE Enhanced Oil Recovery Conference · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensHusky Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésFlood mythInfillEnvironmental scienceOil in placeDrillingPetroleum engineeringWater injection (oil production)Hydrology (agriculture)Water resource managementGeologyEngineeringGeographyCivil engineeringPetroleumGeotechnical engineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract In May 2006, the Warner Mannville B ASP flood was the first field wide ASP flood implemented in Canada. The objective was to successfully implement a commercially viable ASP flood. In this project produced water is treated and reinjected into the reservoir. As of December 2012, an incremental 420 103m3 (2.65 million bbl) of oil has been recovered with an expected total incremental recovery of 777 103m3 (4.89 million bbl), which represents 11.1% of the OOIP. In October 2008, after 0.35 pore volume of ASP injection, the project moved into the Polymer only injection phase. Polymer injection will continue as long as is economically feasible. A comprehensive monitoring and testing program was implemented to evaluate flood response and performance. This allowed for the optimization of the flood through continuous adjustment to flow rates and led to successful infill drilling locations. Many challenges have been encountered during this project, including: silicate scale production, treating issues related to the water quality of the recycled injection water, and loss of injectivity in many injection wells. The challenges were overcome and it has been an economic success with a cumulative positive cashflow within 5 years. The results of this flood have led to the implementation of an additional four floods. The lessons learned from this project have improved numerous aspects of how future floods are designed and implemented.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,011
Tête enseignante GPT0,189
Écart entre enseignants0,178 · 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'étudeObservationnel
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

Citations45
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Enhanced Oil Recovery ConferenceMême sujetDrilling and Well EngineeringTravaux en français237 207