Measuring Liquid Uptake of Organic Shales: A Workflow to Estimate Water Loss During Shut-in Periods
Notice bibliographique
Résumé
Abstract The imbibition of fracturing fluid into the shale matrix is identified as one of the possible mechanisms leading to high volumes of water loss to the formation in hydraulically fractured shale reservoirs. In an earlier study (Makhanov et al., 2012), several spontaneous imbibition experiments were conducted using actual shale core samples collected from Fort Simpson, Muskwa and Otter Park formations, all belong to the Horn River shale basin. This study provides additional experimental data on how imbibition rate depends on type and concentration of salts, surfactants, and viscosifiers. The study also proposes and applies a simple methodology to scale up the lab data for field-scale predictions. The data shows that an anionic surfactant reduces the imbibition rate due to the surface tension reduction. The imbibition rate is even further reduced when KCl salt is added to the surfactant solution. Surprisingly, viscous XG solutions show a considerable spontaneous imbibition rate when exposed to organic shales, although their viscosity is much higher than water viscosity. This observation indicates that water uptake of clay-rich organich shales is mainly controlled through preferential adsorption of water molecules by the clay particles, and high bulk viscosity of the polymer solution can only partly reduce the rate of water uptake. The field scale calculations show that water loss due to the spontaneous imbibition during the shut-in period is a strong function of fluid/shale properties, fracture-matrix interface, and soaking time. The presented data and analyses can be used to explain why some fractured horizontal wells completed in gas shales show an immediate gas production after extended shut-in periods.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 tête enseignante, 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 ».