MétaCan
Menu
Retour à la cohorte
Enregistrement W2030772397 · doi:10.1080/10916461003699168

Mechanisms of Liquid Buildup in Gas Condensate Reservoirs

2011· article· en· W2030772397 sur OpenAlexfundno aff
Mehdi Qassamipour, Abdolnabi Hashemi

Notice bibliographique

RevuePetroleum Science and Technology · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesMemorial University of Newfoundland
Mots-clésDew pointDewSaturation (graph theory)Bubble pointWet gasVolumetric flow rateLiquid flowThermodynamicsPetroleum engineeringFlow (mathematics)MechanicsEnvironmental scienceGeologyCondensationBubblePhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Gas condensate reservoirs are different from dry and wet gas reservoirs in many cases, and these differences lead to weird and wonderful properties. When reservoir pressure falls below dew point, liquid dropout and its saturation may increase to a point that could flow. Therefore, in a reservoir three different regions are developed with different effects on well productivity. The authors studied three regions and introduce mechanisms of liquid buildup. Then, by utilizing material balance equations and other formulas, they studied the dependency of the rate of fill up (liquid buildup). After that, the proposed method of Robert Mott, verified by a compositional simulator (ECLIPSE 300), was used to evaluate growth of region 1 for 2 different gas condensates. The results obtained from that method verify the conclusion taken from equation describing dependency of rate of liquid buildup on two parameters in region 1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,341
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,019
Tête enseignante GPT0,246
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePetroleum Science and TechnologyMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207