Asset Development Drivers in the Bakken and Three Forks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Home to one of the largest North American deposits discovered in the last few decades, the Bakken, spanning 200,000 square miles along the borders of Saskatchewan, North Dakota and Montana is rivaling some of the largest proven reserves. As the use of long horizontal wells and multi-stage fracturing technology has significantly increased productivity and activity in the basin, the challenges associated with infill-completions, depletion and controlled fracture growth must be addressed to ensure efficient and effective practices, encouraging long-term planning without hindering investment. In this paper, models are built to replicate well performance (fracturing and production-numerical & rate-transient) and to understand the impact of key technologies (multi-stage/completion type and multi-laterals) across the basin to demonstrate why completion strategies must be modified based on reservoir quality and stress state. Confusion between the success of sliding sleeves/plug and-perf and what drives the optimal number of stages is also addressed using fracture modeling and production modeling with emphasis on key parameters (fracture length, connectivity, number of fractures) influencing productivity. The recent focus on data acquisition and modeling in the Three Forks has presented a range of challenges and opportunities due to the laminations in this reservoir. Log up-scaling methods and simulator engines were crucial to modeling and thus evaluating propagation behavior. This paper also presents how the use of data gathering (log, routine and specialized core) and modeling has enabled us to understand how in-fill drilling can alter drainage patterns and influence production success.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle