MétaCan
Menu
Retour à la cohorte
Enregistrement W2037928940 · doi:10.2118/142388-ms

A Study of Completion Effectiveness in the Williston Basin

2011· article· en· W2037928940 sur OpenAlexaff
Maraden Panjaitan, Bilu Cherian, Domingo Mata, Jayanth Krishnamurthy, Ray Lewis

Notice bibliographique

RevueSPE Production and Operations Symposium · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésCompletion (oil and gas wells)Fracture (geology)Petroleum engineeringMatching (statistics)GeologyDrillingProductivityProduction (economics)Computer scienceStructural basinWell stimulationReservoir simulationMining engineeringReservoir engineeringGeotechnical engineeringEngineeringPaleontologyPetroleumMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The evolution in oilfield technology to enable the drilling of longer horizontal wells and increased stimulation effectiveness via isolation has resulted in significant productivity gains. The challenges associated with data gathering, increased well count and understanding connectivity of the recently recognized additional reservoir (Three Forks) has generated concerns regarding the development strategy in the Williston Basin. In order to understand a development strategy it is crucial to characterize fracture properties and reservoir properties. A single well model is developed to capture current well performance to understand the impact of the range of fracture geometries and spacing on production performance. Modeling results and fracture pressure data are also presented to demonstrate the effectiveness of fracture initiation techniques, isolation techniques and number of clusters on fracture geometry generation. The paper presents results utilizing single well modeling techniques (using fracture history matching, production history matching and forecasting) to understand and differentiate reservoir quality, reservoir connectivity and completion effectiveness with the aim of understanding the direction in which completion changes must evolve.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,172

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,234
Écart entre enseignants0,215 · 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'étudeSimulation ou modélisation
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

Citations19
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Production and Operations SymposiumMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207