MétaCan
Menu
Retour à la cohorte
Enregistrement W2064909836 · doi:10.2118/165431-ms

An Integrated Practical Approach to Forecasting Multi-well SAGD Production using Analog, Analytical, and Numerical Modeling Techniques

2013· article· en· W2064909836 sur OpenAlexafffund
Yomi Adesimi, Jin Wang

Notice bibliographique

RevueSPE Heavy Oil Conference-Canada · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensSuncor Energy (Canada)
Organismes subventionnairesSuncor Energy Incorporated
Mots-clésComputer scienceReservoir simulationProbabilistic logicMonte Carlo methodReservoir engineeringField (mathematics)Industrial engineeringPetroleum engineeringEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract There are many challenges in making rigorous economic decisions for capital intensive SAGD projects. Among those challenges is the need for reliable production forecasts. The traditional forecasting techniques of analogy, numerical simulation, and analytical methods are each burdened with their own drawbacks. The resulting production forecasts can vary to such a degree that the validity of the results obtained from each approach is questionable. When used in isolation, the individual forecasting techniques yield a significantly different result from each other, making economic decisions an imposing task. This paper presents an integrated ternary approach which draws on the strengths of each methodology. A database of 70 SAGD well pairs from Suncor's MacKay River property is used to obtain analogs. It captures the variations in reservoir quality, reservoir thickness, and well design. In addition, an internally developed Monte-Carlo analytical tool, based on fundamental physics (i.e. material/energy balance, gravity drainage theory), is used to generate a probabilistic range of oil and SOR forecasts. This tool utilizes statistical distributions of static and time- dependent variables. Finally, numerical simulation models are also generated in conjunction with Suncor's geostatistical modeling process. The simulation input parameters are obtained through validation of multi-well simulation models against a long period of historical field data in MacKay River project area. The integration of these methodologies is presented in detail in this paper. This integrated approach provides a basis for comparing relevant SAGD performance indicators, such as oil rate and SOR. The results generated from the integrated approach have served to increase confidence in the robustness of the associated business decisions.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,101
Tête enseignante GPT0,307
Écart entre enseignants0,206 · 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'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

Citations1
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference-CanadaMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207