MétaCan
Menu
Retour à la cohorte
Enregistrement W1997268507 · doi:10.2118/132948-ms

Integrated Uncertainty Quantification by Probabilistic Forecasting Approach in the Field Development Project

2010· article· en· W1997268507 sur OpenAlexaff
S.. Sajjadian, A.. Asheghi, M.. Roostaeian, Mohammadreza Ghafoori, V.A. Sajjadian

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMonte Carlo methodProbabilistic logicReservoir simulationComputer sciencePermeability (electromagnetism)Uncertainty quantificationDevelopment planReservoir engineeringData miningMathematical optimizationPetroleum engineeringGeologyEngineeringStatisticsPetroleumMachine learningMathematicsCivil engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Development studies examine the importance of geologic, engineering, and economic parameters to formulate and optimize production plans. If there are many factors, these studies are high-priced unless simulation runs are chosen and analyzed efficiently. Reservoir studies require integration of geological properties of the reservoir, drilling and production strategies, and economic parameters. Integration is complex, because parameters such as permeability, drive mechanism, structural framework, and fluid saturation distributions are uncertain. Uncertainty in permeability, for example, could be caused by prediction at unknown locations from inexact seismic data, poorly distributed of precise well data and imprecise seismic data. Therefore the impact of uncertainty levels in key geologic and production parameters such as NTG, permeability, porosity, vertical transmissibility, skin factor must be assessed. The application of the system on a single, sector carbonate reservoir unit is taken through a development-plannig case study based on Field Development Plan, FDP. Ultimate recoveries, profiles, and economics for the range of possibilities are evaluated. Uncertainty quantification is attained in the development of a method that can model and quantify uncertainty in reservoir simulation in an efficient and practical way. In this study variety of approaches are investigated to estimate the uncertainty in a recovery prediction. The methodology which is employed in this study uses Monte Carlo simulation approach (probabilistic forecasting) and efficient selective simulation runs with simultaneous, multi variable input modifications. The results indicate that in terms of reserves points of view the main uncertainties are represented by NTG and permeability distribution. This can be attributed to indigenous heterogeneous carbonate reservoir deposition and dissolution. The uncertainity to the OOIP is also affected mainly by the reservoir structural framework; reservoir top depth variations.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,323
Score d'incertitude au seuil0,278

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,051
Tête enseignante GPT0,290
Écart entre enseignants0,239 · 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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207