Enhancing Recovery in Shales Through Stimulation of Pre-Existing Fracture Networks
Notice bibliographique
Résumé
Abstract Microseismic monitoring has become an attractive option for tracking hydraulic fracture stimulations because, unlike most other monitoring techniques, it can illuminate the behavior of fractures away from treatment wells. However, in most cases, the potential for microseismics in terms of developing an overall picture of fracture interactions within the reservoir is not fully exploited. Based on the analysis of microseismicity associated with stimulations in naturally fractured shale reservoirs, we illustrate how, using advanced seismic signal analysis techniques, namely seismic moment tensor inversion (SMTI) approaches, we can stimulate a pre-existing fracture network. As well, we can identify: 1) the failure type, such as shear or tensile failure associated with rough fracture surfaces, 2) the fracture connectivity related to the number of intersecting fractures in a volume, 3) the fracture intensity based on the developed fracture lengths per volume, 4) the fluid flow pathways and enhanced fluid flow volume as related to the relative degree of open fractures, and 5) the distribution of fracture lengths (power law distribution). Based on our analysis, we identify that most failures observed are mixed-mode failures, typically shear-tensile with either crack opening or crack closure components of failure. The fractures themselves are generally related to the failure of pre-existing natural fractures rather than in the creation of new fractures. Based on the finite sampling (bandwidth limitations), fracture sizes are limited to joint lengths and follow a power law distribution. By examining the spatial and temporal behavior of opening dominated failures, maps of over-lapping zones of potential enhanced fluid flow were identified. In many ways, stress induced fractures during single stages prepared the reservoir for subsequent stages that overall enhanced the interconnectivity and complexity of fractures thereby enhancing fluid flow opportunities. We further discuss, as outlined in these case studies, how, using SMTI, the microseismic data show that the stimulation program as designed achieved its objectives. Overall, we further suggest that these defined seismic parameters can then be used to refine, validate and constrain geomechanical models used as input to reservoir models and further optimize well and stage spacing to effectively drain a reservoir and provide better defined reserve estimates.
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 | 0,000 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».