MétaCan
Menu
Retour à la cohorte
Enregistrement W2002357822 · doi:10.2118/97211-ms

Surfactant Gel Foam/Emulsion: History and Field Application in Western Canadian Sedimentary Basin

2005· article· en· W2002357822 sur OpenAlexaboutno aff
D. V. S. Gupta, T. T. Leshchyshyn, Barry Hlidek

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPulmonary surfactantEmulsionPetroleum engineeringFracturing fluidSedimentary rockGeologyMethaneEnhanced oil recoveryWell stimulationPermeability (electromagnetism)HydrocarbonChemical engineeringMineralogyMaterials scienceChemistryPetroleumGeochemistryReservoir engineeringMembraneOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Surfactant gels were introduced into the Western Canadian Sedimentary Basin (WCSB) as fracturing fluids in 1998. These fluids proved to be successful for propped fracture stimulations in shallow gas wells. About the same time, it was found that surfactant gels could be foamed with nitrogen or emulsified with a high quality (volume fraction) of liquid CO2. Since their inception in the Canadian market, surfactant gel foams/emulsions have been used in coal-bed methane (CBM) and also in the stimulation of deeper, higher temperature applications. This paper will discuss the use of these fluids in the WCSB as well as the chemistry of the fluids, laboratory conductivity measurements which show proppant pack retained conductivities of greater than 96%, and their application in more than 3,100 oil and gas producing zones. The fluids have been used in a variety of formations and in wells with permeability's from 0.1 millidarcies to 10 Darcies, depths in excess of 3000 m (10000 feet) and bottom-hole temperatures up to 100 °C (212 °F). For water-sensitive formations, foamed surfactant gel fracturing costs are significantly less in comparison to hydrocarbon, CO2, or methanol-based fluids.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,671
Score d'incertitude au seuil0,971

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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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'étudeSans objet
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

Citations52
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207