MétaCan
Menu
Retour à la cohorte
Enregistrement W2038626065 · doi:10.2118/117484-ms

Passive Seismic Data Management and Processing to Monitor Heavy Oil Steaming Operations

2008· article· en· W2038626065 sur OpenAlex
James R. Bailey, R. Smith, C. M. Keith, Kevin H. Searles, Lei Wang

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueInternational Thermal Operations and Heavy Oil Symposium · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensImperial Oil (Canada)
Organismes subventionnairesImperial Oil Limited
Mots-clésSteamingData processingEnvironmental scienceComputer scienceDatabase

Résumé

récupéré en direct d'OpenAlex

Abstract Cyclic Steam Stimulation (CSS) is a cost-effective means to produce heavy oil at the Cold Lake field in Alberta, Canada. The high viscosity of bitumen is the main obstacle to economic production, but the bitumen viscosity decreases significantly with temperature. Steam is injected at fracturing conditions, resulting in complex interactions of reservoir expansion (dilation) and contraction (recompaction) that propagate stress and strain fields in the overburden. The mechanical loads on wells resulting from this production process are an important design consideration. To enhance operational integrity, a dedicated passive seismic monitoring well is installed on new development pads to provide early detection of casing failures and possible fracturing of the formation overburden. There is now an installed base of almost 90 such acoustic monitoring wells in the operator's field. With data acquisition of 15 to 30 geophones per system, recording continuously at 2000 or 3000 samples per second, the data management issues for this monitoring network are challenging. Several classes of acoustic events have been identified, including those due to casing failure, formation heave, near-wellbore cement cracking, and production rod pump background noise, in addition to "Continuous Microseismic Radiation" (CMR) that resembles harmonic tremors. Most casing failures are detected by observation of singular events. The detection of fracturing of the overburden, which may include the presence of bitumen and/or produced water that has migrated out of zone, is a more complex process that requires distinguishing shear events and CMR events from normal formation heave and other environmental noise. The operator has stewarded the development of a cost-effective system that includes local pad data acquisition, uploading of selected data to a server with data archiving facilities, and downloading data to dedicated analysts. This paper will present a summary of the data management and processing technologies developed to address the challenge of managing this data-intensive problem. Fig. 1 CSS is a three-step process consisting of injection at fracturing conditions, soak, and production.

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.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,756

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 savante0,0000,001
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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,225 · 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