3D Analytical Modeling of Hydraulic Fracturing Stimulated Reservoir Volume
Notice bibliographique
Résumé
Abstract An easy to use analytical 3D model is developed to simulate the growth of stimulated reservoir volume (SRV) with time once a hydraulic fracturing job is started in an anisotropic poroelastic medium. In the proposed method, diffusivity coefficients in three dimensions are determined first by calibrating the model with an actual 3D microseismic-event cloud. Then the geometry of SRV is predicted under different stimulation conditions. The method permits studying the geometry of hydraulic-fracturing SRVs in both vertical and horizontal wells. The analytical model is corroborated with the use of a numerical simulator. The proposed method is important because in unconventional low-permeability reservoirs, such as shale and tight gas reservoirs, productivity depends primarily on permeability of the SRV and the reservoir area contacted by the SRV. Microseismic monitoring has been shown to be a useful technology to study the characteristics of hydraulic fractures. As such, the optimum is to constrain the analytical 3D model developed in this study with the use of microseismic data. It is concluded that this easy to use, yet accurate analytical model, is a viable tool for analyzing the orientation and geometry of hydraulic-fracturing SRV and for predicting other SRVs in the same reservoir. Examples of applications which can be reproduced easily in a spread sheet are presented in detail.
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 | 0,000 | 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) | 0,001 | 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 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 ».