MétaCan
Menu
Retour à la cohorte
Enregistrement W2038957041 · doi:10.2523/iptc-12165-ms

Integrated Modeling and Statistical Analysis of 3-D Fracture Network of the Midale Field

2008· article· en· W2038957041 sur OpenAlex
D. Bogatkov, Tayfun Babadagli

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 Petroleum Technology Conference · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFracture (geology)Reservoir modelingSensitivity (control systems)Computer scienceField (mathematics)Matrix (chemical analysis)Oil fieldDrawdown (hydrology)Petroleum engineeringWell stimulationEstimatorFractional factorial designGeologyFactorial experimentGeotechnical engineeringReservoir engineeringEngineeringMathematicsMaterials scienceStatisticsAquiferMachine learningPetroleumElectronic engineering

Résumé

récupéré en direct d'OpenAlex

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.

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 enseignants0,285
Score d'incertitude au seuil0,264

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 Opus0,009
Tête enseignante GPT0,219
Écart entre enseignants0,210 · 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