The Role of Geomechanical Observation in Continuous Updating of Thermal-Recovery Simulations With the Ensemble Kalman Filter
Notice bibliographique
Résumé
Summary In-situ thermal methods such as steam-assisted gravity drainage (SAGD) and cyclic steam stimulation (CSS) are widely used in oil-sand reservoirs. The physics of such thermal processes is generally well-understood, and it has been shown that rock properties are highly influenced by the geomechanical behavior of the reservoir during these recovery processes. Geomechanics improves the process dynamically, and its response can depict the progress of production within a reservoir. However, the potential of geomechanical monitoring is not usually practiced. With increased implementation of highly instrumented wells and communication technologies providing real-time monitoring data from different sources, combining available data into reservoir geomechanical simulations can improve updating numerical models and the prediction process. This research explores effective uses of geomechanical observation data for history matching and types of geomechanical observation sources adequate for thermal recovery. The ensemble Kalman filter (EnKF), combined with an iterative geomechanical coupled simulator, has been chosen as the data-assimilation algorithm to update the model continuously on the basis of geomechanical observations and production data. The results show that considering geomechanical modeling and observation improves history matching when geomechanical behavior plays a role in the process.
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) | 0,000 | 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 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 ».