MétaCan
Menu
Retour à la cohorte
Enregistrement W2051092305 · doi:10.2118/107123-ms

Fracturing Water-Sensitive Tuffaceous Reservoirs

2007· article· en· W2051092305 sur OpenAlexaff
Yujun Yang Yujun Yang, Hongxue Han, M. B. Dusseault, Binjie Xu, Xiaojun Wang, Yishuang Yu

Notice bibliographique

RevueAll Days · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésHydraulic fracturingGeologyPermeability (electromagnetism)Fracture (geology)Petroleum engineeringGeotechnical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract We present successful hydraulic fracture treatment practices in water sensitive tuffaceous reservoirs in Hailar Basin, China. The reservoirs are of too low permeability to be placed onto production without massive hydraulic fracture treatments. The article describes the geological engineering framework, mineralogy investigation, hydrolytic weakening experiments, as well as application and results of new kinds of fracturing fluids. Rock mineralogy investigations indicated that rocks in the reservoir have a strong water sensitive property and a strong component of plastic behavior. Some tuffaceous rocks are rich in alkali minerals and become soft when exposed to aqueous fracture fluids. Although the fracture opening mechanism is the same as for normal sandstone, fracture extension is relatively suppressed and the fracture width is different from elastic predictions for normal sandstone. The analysis led to the changes in treatment stratages. The key difference from previous treatment is that clay content and concentration of different minerals were taken into consideration of fracture fluid design. Different kinds of emulsified fracturing fluid were designed used to mitigate swelling and hydrolytic weakening effects. By the end of 2005, 163 intervals in 66 wells have been treated using these new kinds of fracturing fluids, with a success rate of 97%.

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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,672

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)0,0000,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,214 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAll DaysMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207