Mapping Fluid Flow in a Reservoir Using Tiltmeter-Based Surface-Deformation Measurements
Notice bibliographique
Résumé
Abstract Surface deformation measurements have been used for years in oilfields to monitor production, waterflooding, waste injection, steam flooding, and Cyclic Steam Stimulation (CSS). They have been proven to be a very effective way to monitor the field operations and save money for operators wishing to avoid unwanted surface breeches, casing failures and excessive subsidence due to production. This paper demonstrates that more information can be extracted from surface deformation measurements by inverting the surface deformation for the volumetric deformation at the reservoir level, so the areal distribution of volumetric deformation can be identified. First, a poroelastic model is presented to calculate the deformation due to the volumetric change in the reservoir. Then, a linear geophysical model is formulated to invert for the reservoir volumetric deformation from the measured surface deformation (or tilt). Constraints are added into the procedure as necessary to better resolve the inversion problem. After each inversion, the theoretical surface deformation (displacement, tilt, reservoir compaction and volumetric strain) can be calculated from the inverted volumetric deformation distribution which best fits the measured deformation data (or tilt) at the surface. The technique of mapping fluid flow using surface deformation was applied to real data from a cyclic steam injection project.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».