Field-Scale Modeling of Tracer Injection in Naturally Fractured Reservoirs Using the Random-Walk Particle-Tracking Simulation
Notice bibliographique
Résumé
Summary Modeling complex transport processes in naturally fractured reservoirs (NFRs) using classical continuum models may not be practically possible because the algorithms used in this type of modeling approach for the detailed structure of fracture/matrix systems require unreasonable computational time. Also, fractured reservoirs are highly irregular, and finite-difference calculations for such models often cause convergence problems. In addition, an exact representation of a complex fracture network in classical continuum modeling algorithms is highly difficult. An alternative is to use a nonclassical technique known as the random-walk particle-tracking (RWPT) algorithm. We showed earlier (Stalgorova and Babadagli 2012) that the random-walk (RW) technique can be adapted to model miscible flooding in a fractured porous medium at the laboratory scale. The unknown parameters used to match the model results were only the diffusion coefficients for oil and solvent, as the diffusive/dispersive transport (effective in fracture and matrix) was coupled with viscous (effective in fracture) and gravity (effective in fracture and matrix) displacement. Advantages of this method over classical simulation include a shorter computational time, which allows avoidance of simplifications; the ability to model the matrix/fracture diffusion process without any transfer function; and the representation of a complex and irregular fracture network system. In this paper, we modified this laboratory-scale RW model for field-scale applications. A series of tracer-test results from the Midale field in Canada was used to test the model. A fracture-network model was constructed on the basis of geological data, and then we used the RWPT model to calibrate the fracture network against tracer-test results. The results were compared to those obtained using continuum (dual-porosity) models, and it was observed that the connectivity and breakthrough times can be captured more correctly with the RWPT model. We performed a sensitivity analysis to identify the importance of different parameters for the simulation results. The new model and observations can be used to validate and calibrate stochastically generated fracture-network models and to estimate the enhanced-oil-recovery (EOR) performance of NFRs.
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 | 0,001 | 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 | 0,001 |
| 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 ».