MétaCan
Menu
Retour à la cohorte
Enregistrement W2091417894 · doi:10.2118/116255-ms

Numerical Inversion of Laplace Transforms in the Solution of Transient Flow Problems With Discontinuities

2008· article· en· W2091417894 sur OpenAlexaff
N. M. Al-Ajmi, Mahmood Ahmadi, Erdal Özkan, H. Kazemi

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésLaplace transformClassification of discontinuitiesAlgorithmPiecewiseLaplace transform applied to differential equationsDeconvolutionInversion (geology)Computer scienceMathematical optimizationApplied mathematicsMathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Abstract Laplace transformation provides advantages in the solution of many pressure-transient analysis problems. Usually, these applications lead to a solution that needs to be inverted numerically to the real-time domain. The algorithm presented by Stehfest in 1970 is the most common tool in petroleum engineering for the numerical inversion of Laplace transforms. This algorithm, however, is only applicable to continuous functions and this limitation precludes its use for a wide variety of problems of practical interest. Other algorithms have also been used, but with limited success or popularity. A recent algorithm presented by Iseger in 2006 removes the restriction of continuity and provides opportunities for many practical applications. This paper exploits the useful features of the Iseger's algorithm in the inversion of continuous as well as singular and discontinuous functions that arise in the solution of pressure-transient analysis problems. The most remarkable applications are in the problems that require the use of piecewise continuous and piecewise differentiable functions, such as the use of tabulated data in the Laplace transform domain, deconvolution algorithms, and solutions that include step-rate changes as in the mini-DST tests.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,207

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,204
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207