MétaCan
Menu
Retour à la cohorte
Enregistrement W2080438097 · doi:10.2118/164550-ms

Stochastic Modeling of Two-Phase Flowback of Multi-Fractured Horizontal Wells to Estimate Hydraulic Fracture Properties and Forecast Production

2013· article· en· W2080438097 sur OpenAlexaff
J. D. Williams-Kovacs, Christopher R. Clarkson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesConocoPhillips
Mots-clésPermeability (electromagnetism)Hydraulic fracturingFracture (geology)WellboreWork (physics)Petroleum engineeringFlow (mathematics)MechanicsGeologySoil scienceEnvironmental scienceGeotechnical engineeringEngineeringChemistryPhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Although high-frequency fluid production and flowing pressures (hourly or greater) are commonly gathered in multi-fractured horizontal wells (MFHW), this data has rarely been used by industry in a quantitative manner to characterize hydraulic fracture or reservoir parameters and there has been ongoing debate about the usefulness of this data. It is likely that the multi-phase flow nature and the possibility of early data being dominated by wellbore storage have deterred many analysts. This work will expand on the flowback analysis work presented by Clarkson (2012b). Consistent with that work, our interpretation is that the early flowback data corresponds to wellbore + fracture volume depletion (storage) and it is assumed that fracture storage volume is much greater than wellbore storage. From this flow-regime, bulk permeability (dominated by fracture permeability) and effective fracture half-length can be estimated. However, as pointed out by Clarkson (2012b) there is a large degree of uncertainty in this type of analysis as a result of the number of unknowns which are being adjusted to provide an adequate history match. To better understand the uncertainty and the impact of each parameter, stochastic simulation was used to provide a range of parameter values, which provide an adequate fit of the data, and to determine which parameters have the greatest impact on the match. Stochastic simulation is also used to derive a long-term forecast using parameters derived from flowback analysis. Additional improvements over previous work include the consideration of different fracture geometries, the use of the matchstick model to estimate fracture permeability and additional constraints on relative permeability curve selection. The field cases presented by Clarkson (2012b) for shale gas reservoirs are reanalyzed for proof of concept and demonstration of the developed techniques.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,272
Score d'incertitude au seuil0,733

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 Opus0,019
Tête enseignante GPT0,255
Écart entre enseignants0,237 · 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'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

Citations34
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207