Integration of Production Analysis and Rate-Time Analysis via Parametric Correlations — Theoretical Considerations and Practical Applications
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 Well performance analysis in unconventional reservoirs is a challenging task because of the non-uniqueness associated with estimating well/formation properties. In addition, estimation of reserves is often uncertain due to very long transient flow periods. Recently, new semi-empirical rate-time relations (Ilk et al. 2008 and 2010) have been shown to properly model the rate-time behavior for wells in unconventional reservoirs. The success of these new rate-time relations has led us to focus on finding theoretical and empirical relationships between rate-time model parameters with well/formation properties. This work attempts to integrate model-based production analysis (i.e., semi-analytical/analytical solutions) and rate-time analysis by using parametric correlations. We perform production analysis and rate-time analysis for various tight gas and shale gas wells, and then correlate the various model parameters from the rate-time equations with the well/formation properties estimated using full (model-based) production data analysis. We demonstrate the application of the proposed methodology by using a sample of wells producing in tight gas and shale gas reservoirs. We can show that the integration of production analysis and rate-time analysis via parametric correlations is highly-dependent on the size of data sample (i.e., the number of wells) and the data quality. When high-quality data and ample production data are available, formation permeability and fracture half-length are well-correlated with the model parameters of the rate-time relations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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