Simulation-Based Technology for Rapid Assessment of Redevelopment Potential in Stripper-Gas-Well Fields—Technology Advances and Validation in the Garden Plains Field, Western Canada Sedimentary Basin
Notice bibliographique
Résumé
Abstract It is often difficult to quantify the redevelopment potential of marginal oil and gas fields due to a wide range of depositional environments, variability in reservoir properties, large numbers of wells, and limited reservoir information. With traditional simulation methods, evaluation of infill potential for these fields is time consuming, labor intensive and frequently cost-prohibitive. Without adequate assessment technology, some unprofitable infill campaigns may be initiated while other promising infill campaigns may be terminated prematurely due to disappointing early results. In this study, we developed a simulation-based regression technique to assess infill drilling potential in stripper gas well fields. With limited, basic reservoir information, this technique first estimates the spatial distribution of subsurface reservoir properties by rapid history matching of well production data. We implemented a sequential regression algorithm to estimate not only the permeability distribution, but also, the pore volume distribution from available flow rate measurements. Future production is forecast and infill drilling potential is determined using the estimated permeability and pore volume distributions. Because the method employs an approximate reservoir description, it identifies regions of the field with promising infill potential rather than individual infill well locations. The proposed technique provides rapid, reliable and cost-effective assessment of redevelopment potential in stripper gas well fields. In the paper we first validate our approach using synthetic reservoir data. We then apply the approach to the Second White Specks formation, Garden Plains field, Western Canada Sedimentary Basin. Prediction of infill potential in this gas field, which has more than 700 wells, demonstrates the power and utility of the proposed technique.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».