An Integrated Practical Approach to Forecasting Multi-well SAGD Production using Analog, Analytical, and Numerical Modeling Techniques
Notice bibliographique
Résumé
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».