Integrated Modeling and Statistical Analysis of 3-D Fracture Network of the Midale Field
Notice bibliographique
Résumé
Abstract As the maturation of conventional oil reserves pushes the industry to explore challenging reserves, state-of-the-art reservoir characterization becomes an integral part of any exploration and production venture. Naturally fractured reservoirs are good examples of such challenging fields. Oil recovery performance estimation from such reservoirs requires a good understanding of reservoir structure and its effect on the dynamics of the process. Addressed in this work is one of the critical issues for fractured reservoirs—that is characterization and 3-D modeling of a fracture network. In this study, we employed an integrated solution by combining "direct" and "inverse" approaches to fracture network characterization in a stochastic numerical model. Static geological data obtained from cores and well logs were used together with dynamic data such as well test response to build 3-D discrete fracture network models. We utilized the data obtained from the fractured carbonate Midale field in Canada. The on-going CO2 injection project requires a reliable description of the fracture system and matrix characteristics in the field for reliable performance analysis. Fracture network constructed from static data was calibrated and validated using well test (interference drawdown and pulse) data. Matrix and several fracture parameters including fracture length, density/spacing, aperture, connectivity, and orientation were evaluated in sensitivity studies to determine which characteristics have a higher influence on the accurate match to well test response. We utilized the factorial experimental design to optimize the number of simulations needed for a sensitivity study and history match. The sensitivity analysis revealed a strong influence of matrix quality on the pressure response. Geological conditions and fracture properties specific to this field explained such distribution of matrix and fracture influence. Through this analysis we were able to clarify the role of fractures in the overall field performance. Matrix/fracture interaction was suggested to be a factor deserving attention. In a general sense, the approach used in this study proved to be useful to integrate fracture data from different sources, as well as to assess its reliability and relative importance.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».