MétaCan
Menu
Retour à la cohorte
Enregistrement W2059781670 · doi:10.3997/2214-4609.20140720

Seismic Efficiency and Overshoot of Fractures Associated with Stimulation in Heavy Oil Reservoirs

2014· article· en· W2059781670 sur OpenAlexaff
Lindsey Nicole Meighan, T. Urbancic, A. M. Baig

Notice bibliographique

RevueProceedings · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensCanadian Apheresis Group
Organismes subventionnairesnon disponible
Mots-clésOvershoot (microwave communication)MicroseismFlooding (psychology)Fault (geology)GeologyWater floodingEnvironmental scienceRange (aeronautics)Petroleum engineeringSeismologyMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Summary To better understand the different fracturing process of two passive seismic datasets collected over a 30 month period for two heavy oil reservoirs, utilizing steam injection and water flooding, we investigate radiated energy and seismic efficiency. We calculate the Savage-Wood Efficiency (ŋsw) and overshoot of microseismic events recorded in two reservoirs with different stimulations and find under similar geological conditions and time period, the seismic efficiency, for steam injection compared to water flooding are unique across the datasets implying that temperature and fluid pressure has a different impact on the fracturing dynamics. Reservoir A (stream injection), has 4069 events (Mw = −2.2 top −0.2) with low efficiency (ŋsw=0.01 to 0.48) and considered in overshoot (ε=0.1 to 0.5). Reservoir B (water flooding), has, 1763 events, but higher magnitude range (Mw = −1.4 to 1.8); with a combination of low efficiency (overshoot ε=0.002 to 0.49) and high efficiency (undershoot ε=−415 to 0.49) events. Overshoot occurs when the dynamic strength of the fault is relatively higher than the final stress acting on the fault and less energy is radiated; where undershoot occurs when the dynamic strength is relatively lower than the final stress on the fault and in a state of dynamic weakening.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil0,350

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,214
Écart entre enseignants0,205 · 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'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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedingsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207