MétaCan
Menu
← Retour à la cohorte
Enregistrement W2056758686 · doi:10.1002/cjce.21804

Effect of small scale flow barriers heterogeneities and connate water on displacement efficiency of polymer floods to heavy oil reservoirs

2013· article· en· W2056758686 sur OpenAlexvenueno aff
Saber Mohammadi, Mohammad Hossein Ghazanfari, Mohsen Masihi, S. Vossoughi

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesSharif University of Technology
Mots-clésOil shalePetroleum engineeringWettingPolymerFlow (mathematics)Work (physics)Displacement (psychology)Materials scienceWater floodingGeologyComposite materialMechanicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract This work concerns a fundamental understanding of how heterogeneities induced by flow barriers and connate water affect the displacement efficiency of polymer floods, which has rarely been studied in the available literature. Here, a series of water/polymer injection experiments to heavy oil performed on five‐spot glass micromodels containing randomly distributed shale structures is presented. It has been found that macroscopic efficiency of polymer flooding majorly depends on flow barriers distribution/configuration; shale content and geometrical characteristics; presence of connate water and wettability of medium. Microscopic pictures revealed that the main parts of connate water were trapped in some pores/throats near and especially behind the shale streaks; also, presence of connate water causes a reduction of sweep efficiency due to premature breakthrough of displacing fluid in an oil‐wet media. In absence of connate water, polymer solution could linger and stick to the pore walls to delay the time for a polymer to channel to the production site. Results of this work disclose requirements for a detailed geologic study of barrier size and distribution for successful design of EOR processes in heterogeneous reservoirs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,182
Écart entre enseignants0,178 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical Engineering→Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→