Drainage Estimation and Proppant Placement Evaluation from Microseismic Data
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 In this case study we outline how microseismic analysis can be used to optimize treatment design and determine the portion of the stimulated rock volume that should be productive. To begin, microseismic data was acquired with a permanently installed shallow buried array of geophones during the hydraulic fracturing of 17 wells in the Marcellus Shale. The processed results were used to conduct a multi-disciplinary study integrating geology, geomechanics, reservoir and completion engineering, and ultimately, production data. A stress inversion from focal mechanisms was performed, and correlations were made between hydrocarbon production and microseismic results. That work, in conjunction with the variability in the stimulation approach, was used to optimize the treatment design on an individual wellbore and on a field development scale. Treatment design analysis indicated optimum wellbore spacing, stage spacing and length as well as evaluated the vertical coverage of the treatment within the Marcellus. Incorporating information from source mechanisms, an event magnitude calibrated discrete fracture network (DFN) was modeled taking into account the seismic energy of the events, rock properties, the injected fluid volume and efficiency. Evaluating the placement of proppant inside the DFN enables distinction between the part of the stimulated rock volume (SRV) that contributes to production in the long term, and the part of the reservoir that was affected by the treatment but may not be hydraulically connected over a longer period of time. Finally, the permeability of the stimulated fracture system was calculated from the microseismic results. This allows for the evaluation of the drainage volume and estimation of production.
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 | 0,001 | 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