Environmental Management, Cost Management, and Asset Management for High-Volume Oil Field Waste Injection Projects
Notice bibliographique
Résumé
Abstract Ongoing exploration and production activity, combined with increased regulatory requirements, are increasing the volume and costs associated with disposal of oil field wastes, including produced oily sands and tank bottoms, drilling mud and cuttings, crude contaminated surface soils, and naturally occurring radioactive materials (NORM). A cost-effective and environmentally sound disposal option is to re-inject waste material into the subsurface into non-productive and/or depleted zones under controlled fracture conditions. High volume injection projects often involve annual injection exceeding several hundred thousand barrels of waste for several years. The critical engineering management goals for such operations are to: Maintain waste containment in the target formation (environmental management); Sustain long-term injectivity with minimum equipment repairs and well workovers (cost management); and Maximize formation storage capacity and well life (asset management). More than five years experience operating, analyzing, and managing large volume waste injection projects in the US and Canada has enabled Terralog to develop specific design, monitoring, and operating strategies to achieve these goals. Target injection formations must be selected with appropriate overlying barrier and absorption zones. Offset well completions must be carefully examined. The injection well completion should be appropriately designed to take into account high formation stresses and potential movement. Continuous monitoring and analysis must be performed to evaluate varying formation properties, injectivity, stress conditions, and fracture orientation and height growth. Finally, through continuous monitoring and analysis of formation response, injection parameters and properties (such as solids concentration, density, flow rate, shut-in time, etc…) can be adjusted in order to maintain containment, reduce operating costs, and optimize long-term injectivity.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».