MétaCan
Menu
Retour à la cohorte
Enregistrement W2104708393 · doi:10.2118/110050-ms

A Comparative Study of Capillary-Pressure-Based Empirical Models for Estimating Absolute Permeability in Tight Gas Sands

2007· article· en· W2104708393 sur OpenAlexaff
Joseph Comisky, K. E. Newsham, J. A. Rushing, T. A. Blasingame

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensApache (Canada)
Organismes subventionnairesnon disponible
Mots-clésCapillary pressurePermeability (electromagnetism)Hagen–Poiseuille equationTight gasCapillary actionRelative permeabilityMechanicsMaterials scienceChemistryPetroleum engineeringGeologyPorous mediumFlow (mathematics)Composite materialPhysicsPorosity

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents the results of a laboratory study where we compare permeability estimates obtained from several mercury-injection capillary-pressure-based models to a set of measured (steady-state), Klinkenberg1-corrected permeability in tight gas sands. We evaluated 63 core samples from several prolific tight gas reservoirs in the U.S. Steady-state permeability and mercury-injection capillary pressure tests were completed on each sample. The permeability samples range is from 0.0001 mD to 0.2 mD. We review a variety of currently-employed models that are classified as belonging to either Poiseuille or Percolation/ Characteristic Length models. We identify those correlations that are best applied in tight gas sands by quantifying each method's accuracy and precision and force rank each based on error analysis score.

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)0,001
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 enseignants0,209
Score d'incertitude au seuil0,515

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,043
Tête enseignante GPT0,319
Écart entre enseignants0,276 · 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

Citations93
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

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