Estimation of Interwell Connectivity in the Case of Fluctuating Bottomhole Pressures
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.
Notice bibliographique
Résumé
Abstract Injection and production rates are often the most readily available data in a waterflood. Yousef and coworkers have shown that these data can be analyzed using a capacitance model (CM) to determine interwell connectivity and provide a tool for waterflood management. Although the existing CM performs well when tested with data from a reservoir simulator and in some field cases, it is less reliable in cases where bottomhole pressures (BHPs) are changing but not measured and/or where producers have been shut in for extended periods. This paper presents two new important developments of the CM to address these shortcomings: the segmented CM and the compensated CM. The segmented CM can be used where BHP data are unknown. The compensated CM overcomes the problem of the requirement to rerun the model after adding a new producer or shutting-in an existing producer. If both BHP changes and shut-in periods occur, both the segmented and compensated CMs can be used simultaneously to construct a single model for a longer period of data. In several simulated cases with fluctuating BHPs, the segmented and compensated CM successfully determined the true interwell coefficients. The conventional CM gives up to 70% error. In a field case, the segmented and compensated CM improved the prediction R2 by 15% compared to the existing CM. In this field example, there is good agreement between seismic impedance and results from the combination of the segmented and compensated CMs. The existing CM, which is a good beginning, requires enhancements to be more versatile. The segmented and compensated CMs will make connectivity estimation more robust because pressure data are often unavailable or human interventions (e.g., work-overs) cause the flow rates to vary. Adapting the CM to tolerate BHP changes and shut-in wells, as we have done, provides this versatility.
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 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) | 0,000 | 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 découle