A Method for Probabilistic Forecasting of Oil Rates in Naturally Fractured Reservoirs
Notice bibliographique
Résumé
Abstract A method is presented for probabilistic forecasting of oil rates in naturally fractured reservoirs (NFRs) based on a new modified Darcy equation. The equation includes variables that have significant impact on productivity of NFRs such as matrix and fracture permeabilities, partitioning coefficient, i.e, the ratio of fracture and total porosity, and thickness of the perforated interval. To perform the calculations, probability distributions are generated for each one of the above input variables. The locations of the water-oil and gas-oil contacts are determined, as well as the maximum efficient oil rates to avoid premature coning of water and gas. The integration of these data with the modified Darcy equation leads to prediction of maximum, most likely and minimum oil rates that could be anticipated for production wells in different parts of the reservoir. The difficulties and uncertainties that exist for predicting oil rates in NFRs are widely recognized. The proposed methodology looks to diminish this uncertainty with a view to generate reliable production forecasts, optimize oil rates, improve oil recovery and maximize economic returns. The modified Darcy equation for NFRs discussed in this paper is not presently available in the literature. The equation is easy and rapid to use statistically, and is being applied in practice with a good level of success. Thus, it provides a valuable supplement to numerical simulation and a significant reservoir engineering tool in those instances where operational decisions must be made quickly.
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) | 0,000 | 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 ».