MétaCan
Menu
Retour à la cohorte
Enregistrement W2033111616 · doi:10.2118/88988-pa

Subsea Development of Shallow, Low-Pressure Gas Reservoirs With High-Performance Well Designs

2004· article· en· W2033111616 sur OpenAlexaff
Robert C. Burton, E. R. Davis, R. M. Hodge, Trey Gilbert, Robert Stomp, N. Abdelmalek, M. Bailey

Notice bibliographique

RevueSPE Drilling & Completion · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesnon disponible
Mots-clésSubseaPetroleum engineeringGas pipelinePipeline transportEnvironmental scienceEngineeringMarine engineeringEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Summary In the summer of 2000, ConocoPhillips began a program to develop a series of shallow, low-pressure gas reservoirs in the Indonesian waters of the west Natuna Sea. The project consists of a series of subsea wells linked by pipeline to a central mobile gas-processing and -compression unit that feeds a sales line to Singapore. The overall project life is 20 years and will require developing eight small fields with reserves on the order of 1 trillion scf gas. Initial project planning used conventional well designs to deliver rates on the order of 20 MMscf/D/well from a number of gas reservoirs. This type of well productivity required 10 wells to meet ConocoPhillips Indonesia's maximum contract supply rate, with several wells allocated to each reservoir. To improve project economics, a reduced well count employing high-performance completion designs was developed. The high-performance completions were designed to provide flow rates on the order of 100 MMscf/D at initial reservoir pressures ranging from 1,250 to 1,900 psi. These flow rates allowed well counts to be reduced to one well per reservoir. This paper will review ConocoPhillips's methodology for design and implementation of the first four high-performance completions in the west Natuna Sea gas project. Well deliverability and initial project results are discussed.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,026
Tête enseignante GPT0,238
Écart entre enseignants0,212 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Drilling & CompletionMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207