MétaCan
Menu
Retour à la cohorte
Enregistrement W1983710969 · doi:10.2118/59276-ms

Heavy-Oil Production Enhancement by Encouraging Sand Production

2000· article· en· W1983710969 sur OpenAlexaboutno aff
Maurice B. Dusseault, Samir El-Sayed

Notice bibliographique

RevueSPE/DOE Improved Oil Recovery Symposium · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringOil productionProduction (economics)GeologyEnvironmental scienceProduction rateOil fieldGeotechnical engineeringEngineeringProcess engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Dramatic increases in oil production rates have been achieved in many Canadian heavy oil reservoirs. These reservoirs are 30% porosity unconsolidated sandstones with oil ranging from 500 to 12,000 cP viscosity. Furthermore, many of these reservoirs have proven to be almost impossible to exploit economically with horizontal wells or with thermal processes. After reviewing the mechanics of CHOP (Cold Heavy Oil Production), the production history of the Luseland Field in Saskatchewan is reviewed. This is almost a unique case history because conventional production, horizontal wells, and CHOP have all been attempted in a small geographic area. Encouraging sanding resulted in over a four-fold increase in oil production rate and a total extraction ratio now just in excess of 11% overall. An aggressive CHOP program implemented after many years of conventional production and after a six-well horizontal production program achieved this increase. Conventional production was marginally economic, but the horizontal wells were failures. Several other case histories are summarized to demonstrate that CHOP wells in these reservoirs are usually just as productive as much more costly horizontal wells. We believe that CHOP technology is a far better option than thermal stimulation or horizontal wells in many cases where the reservoir state and rock properties are suitable.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,344
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,192
Écart entre enseignants0,189 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations29
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE/DOE Improved Oil Recovery SymposiumMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207