Insights from Monitoring of Heavy Oil Production in Peace River, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Since 1979 Shell Canada has operated the Peace River heavy oil field in the province of Northern Alberta. In 2002 Shell Canada started an extensive and ambitious reservoir-surveillance programme with the aim to improve the understanding of dynamic behaviour of the reservoir produced by cyclic steam stimulation. Repeated seismic time-lapse, continuous microseismic and surface tilt meter data have been acquired since late 2002, and this surveillance is continuing to date. Earlier work with these data established that steam injection induces complex fracturing inside the reservoir that govern the transport of heat and fluids which control the efficiency of this thermal extraction process [1]. Since this earlier report, further work has focussed on developing our capability in two key areas. First, we aimed to identify the distribution of reservoir heating using time-lapse seismic data in a quantitative manner. This has been achieved by quantifying changes in seismic velocity via inversion and the development of a rock physics model to explain and separate the effects of pressure, temperature and fracturing. Second, we aimed to provide more cost-effective and reliable surface deformation monitoring. This is now being realised using space-borne Interferometric Synthetic Aperture Radar (InSAR). Following an 18-month long field trial, we demonstrate field-wide monitoring of all uplift and subsidence induced by the cyclic steam stimulation. These data allow us to map the areal distribution of injected fluid volumes through time anywhere inside the reservoir.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle