MétaCan
Menu
Retour à la cohorte
Enregistrement W2025310325 · doi:10.2118/144487-pa

Estimation of Reservoir Hydraulic Property From Surface Heave Monitoring During Subsurface Fluid Injection

2011· article· en· W2025310325 sur OpenAlexafffund
Liping Qiao, R.C.K. Wong, Roberto Aguilera

Notice bibliographique

RevueJournal of Canadian Petroleum Technology · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChinese Academy of Sciences
Mots-clésOverburdenGeologyFluid dynamicsPermeability (electromagnetism)Dilation (metric space)Finite element methodGeotechnical engineeringPetroleum engineeringPhysical propertyMechanicsEngineeringMaterials scienceGeometryMathematicsChemistry

Résumé

récupéré en direct d'OpenAlex

Summary Subsurface fluid injections, such as wastewater disposal, waterflooding, and CO2 sequestration, cause reservoir dilation. The reservoir dilation induces displacements in the overburden extending up to the ground surface and resulting in surface heave. Previous studies have illustrated that it is possible to delineate the extent of the reservoir dilation from the surface heave measurement using an inverse technique. This paper proposes that the inverse technique can be extended to estimate the growth and propagation of the reservoir dilation during the fluid injection if the surface heave is monitored continually. Then, the reservoir pressure distribution and hydraulic properties could also possibly be determined from the fluid-flow equations. The results obtained from the proposed technique were compared with those obtained from a fully-coupled finite element (FE) simulation of a fluid injection problem. It was found that the numerical tool could be successfully adopted to estimate an approximate value of the reservoir permeability.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,012
Tête enseignante GPT0,197
Écart entre enseignants0,185 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Canadian Petroleum TechnologyMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207