Microseismicity-constrained discrete fracture network models for stimulated reservoir simulation
Notice bibliographique
Résumé
ABSTRACT The effectiveness of hydraulic fracture stimulation in low-permeability reservoirs was evaluated by mapping microseismic events related to rock fracturing. The geometry of stage by stage event point sets were used to infer fracture orientation, particularly in the case where events line up along an azimuth, or have a planar distribution in three dimensions. Locations of microseismic events may have a higher degree of uncertainty when there is a low signal-to-noise ratio (either due to low magnitude or to propagation effects). Low signal-to-noise events are not as accurately located in the reservoir, or may fall below the detectability limit, so that the extent of fracture stimulated reservoir may be underestimated. In the Bakken Formation of the Williston Basin, we combined geologic analysis with process-based and stochastic fracture modeling to build multiple possible discrete fracture network (DFN) model realizations. We then integrated the geologic model with production data and numerical simulation to evaluate the impact on estimated ultimate recovery (EUR). We tested assumptions used to create the DFN model to determine their impact on dynamic calibration of the simulation model, and their impact on predictions of EUR. Comparison of simulation results, using fracture flow properties generated from two different calibrated DFN scenarios, showed a 16% difference in amount of oil ultimately produced from the well. The amount of produced water was strongly impacted by the geometry of the DFN model. The character of the DFN significantly impacts the relative amounts of fluids produced. Monitoring water cut with production can validate the appropriate DFN scenario, and provide critical information for the optimal method for well production. The results indicated that simulation of enhanced permeability using induced microseismicity to constrain a fracture flow property model is an effective way to evaluate the performance of reservoirs stimulated by hydraulic fracture treatments.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».