The Impact of Dissolved Organic-Carbon Type on the Extent of Reservoir Souring
Notice bibliographique
Résumé
Abstract A reservoir souring forecasting model was presented previously. This model utilized a generic algorithm to determine, via history match, the extent of H2S biogeneration by sulfate-reducing bacteria (SRB) within the waterflooded reservoir such that the production to the surface could be forecasted. The generic algorithm assumed a decline in SRB-usable organic nutrients as a function of water flow within the reservoir. However, nutrient utilization by non-SRB (e.g., nitrate-reducing bacteria) could not be differentiated from the SRB with this model. The current study has incorporated stoichiometry of microbial sulfate and nitrate reduction utilizing both volatile fatty acids (VFA) and BTEX components as dissolved organic carbon (DOC) substrates. This paper presents the updated algorithms and discusses partitioning of the DOC components between oil and water within the reservoir. VFAs such as acetate have historically been assumed to be the favored nutrient source by SRB, but recent field experience has suggested that other DOC sources are contributors. BTEX components, especially toluene, are shown with the model to potentially have a large impact on souring in spite of their limited solubility in the reservoir water. While nitrate usage to control reservoir souring is becoming a "standard" practice, H2S generation in reservoirs with conditions that support BTEX as an SRB nutrient might not be sufficiently inhibited with nitrate.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».