MétaCan
Menu
Retour à la cohorte
Enregistrement W1999176467 · doi:10.3997/2214-4609.20140723

Where is the Proppant? DFN Modeling, Proppant Placement, and Drainage Estimation from Microseismic Data

2014· article· en· W1999176467 sur OpenAlexaff
Carl W. Neuhaus, Mary Ellison, Cherie Telker, Keith Blair

Notice bibliographique

RevueProceedings · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensMicrosemi (Canada)
Organismes subventionnairesnon disponible
Mots-clésMicroseismGeologyWellborePetroleum engineeringFracture (geology)PerpendicularOil shaleDrainageSeismologyGeotechnical engineeringGeometry

Résumé

récupéré en direct d'OpenAlex

Summary Microseismic data for 17 hydraulically stimulated wells in the Marcellus Shale were used to conduct a proppant placement and drainage estimation evaluation in order to optimize the wellbore spacing, and in the future the completion design and landing depth of the wellbores. A calibrated discrete fracture network (DFN) was modeled onto the microseismic events taking into account the magnitude of the events, their source mechanisms, the rock properties of the stimulated reservoir, and the amount of injected fluid in order to distinguish between the total stimulated rock volume (SRV) where microseismic activity was observed and the part of the SRV that contains proppant filled fractures and will therefore be productive in the long term. Evaluating proppant placement in the perpendicular horizontal, parallel horizontal, and perpendicular vertical direction has significance for and direct impact on wellbore spacing, stage length and spacing, and the landing depth of the wellbores.

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 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 enseignants0,216
Score d'incertitude au seuil0,508

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 savante0,0000,000
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 Opus0,015
Tête enseignante GPT0,225
Écart entre enseignants0,210 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedingsMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207