A Well Performance Model Based on Multivariate Analysis of Completion and Production Data from Horizontal Wells in the Montney Formation in British Columbia
Notice bibliographique
Résumé
Abstract UGR Blair Creek Ltd. (UGR) developed an empirical equation to predict Montney horizontal well production based on several completion parameters: lateral length, number of fracture stages, perforation clusters per fracture stage and fluid volume. We used multivariate regression analysis to determine how the completion parameters influence observed production rates. Our best model is valid for fracturing treatments using slick-water and all of the wells in this study are located in British Columbia. The Montney is an expansive play and thousands of wells will be drilled in the future, so the results of this analysis and application of this technique to expanded data sets should help with completion optimization and can have a significant impact on well performance and/or completion cost. We reviewed completion reports on 425 wells to extract several parameters, including lateral length, number of fracture stages, number of perforation clusters per stage, fluid volume, fluid type and sand volume. Public production data were used to obtain monthly production volumes for each well. We performed multivariate linear regression analysis, simultaneously regressing all of the completion variables against the average production during the best year of production. We found that the number of fracture stages and the number of perforation clusters per stage are the most important completion parameters for predicting well performance. As expected, an increase in either of these variables will increase the production volume of the best year of production. Adding one fracture stage adds roughly 200 Mcf/D (5,600 m3/d) and adding one perforation cluster per stage adds roughly 250 Mcf/D (7,400 m3/d) to the best year of production. The impact of additional fracture stages or perforation clusters was more pronounced on wells using slick-water fracture fluids than treatments using more complex fluid systems. The amount of sand used in the fracture treatments may also have a significant positive impact on production, but there is more uncertainty than with the number of fracture stages and perforation clusters per stage. Lateral length and fluid volume were only marginally important in predicting production volumes. Only by using multivariate regression (all variables are simultaneously combined in a single regression model) were we able to discern the impact of individual variables.
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 | 0,003 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».