Application of the Ensemble Kalman Filter for Characterization and History Matching of Unconventional Oil Reservoirs
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 Recently, the Ensemble Kalman Filter (EnKF) has emerged as an effective tool for performing continuous updating of petroleum reservoir simulation models. The method is firmly grounded on the theory of Kalman filters and sequential Monte Carlo techniques. The ability of the method to sequentially update the spatial properties in petroleum reservoir models, such as permeability and porosity, by integrating the dynamic production data makes it a very attractive approach. Moreover, the method takes into account the production uncertainty in the reservoir models by using error covariance matrices for the measurement vector (Production and injection rates, Gas-Oil ratio, Steam-Oil ratio, etc.) and the state vector (pressure, saturation, permeability, porosity). Similar to the traditional Kalman filter, the covariance matrices have to be tuned to reflect the uncertainty in the model and the measurements. We consider two unconventional oil reservoir models: 1) highly heterogeneous black-oil reservoir model, and 2) heterogeneous SAGD reservoir model. The results will demonstrate the advantage of using the localized EnKF for effective history matching using ensemble sizes relatively lower than what otherwise would be required with the ordinary EnKF. The results will also show the advantages of using prior knowledge available from the wells (permeability and porosity measurements) to generate initial realizations. One of the main practical advantages of history matching using the EnKF over traditional optimization based approaches is its low computational effort. The computational cost is dominated by Monte Carlo simulation of the ensemble of models only. Thus, significant computational time saving is possible by running each of the ensemble simulations on independent processors in a parallel mode. Moreover, the method can be easily integrated with any commercial reservoir simulation software.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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