A MultiParameter Methodology for Skin Factor Characterization: Applying Basic Statistics to Formation Damage Theory
Notice bibliographique
Résumé
Abstract The following paper describes a Skin Factor characterization methodology that has been developed and successfully applied in fields operated by BP in Colombia, South America. The method is based on basic statistic correlations that are applied for the ranking of different measured or estimated damage parameters; the primary purpose of the method is to weight the different formation damage mechanisms taking place in the complex reservoirs of the Colombian Foothills in such a way that multicomponent skin characterization maps can be estimated. The presence of compositional fluids, active tectonics environments, stacked reservoirs and well access issues all account for the above mentioned complexity. By the application of this methodology, the design of chemical stimulations has become more efficient as the output of the method, which is a Multi-Parameter characterization of the skin, is available for all the wells; in this manner, stimulation packages include components for the control of the main skin mechanisms in the ratios estimated by the model. The model is being continuously updated through the incorporation of measured and estimated damage related variables such as physical chemical analysis of back flowed samples (after stimulations), output from mineral and organic scaling index estimation models, laboratory studies and well intervention records, among others; all of them taken into account for the entire life of a particular well. Fed by the Multi-Parameter model, a skin characterization mapping tool has been developed and has become a key input in the periodically reviews of well productivity; stimulation and well intervention options are being efficiently ranked in terms of benefit leading also to a better planning of well work campaigns.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».