Assessment Of Several Sand Prediction Models With Particular Reference To HPHT Wells
Notice bibliographique
Résumé
Abstract HPHT wells represent one class of problems where the performance of current sand prediction models has not been properly evaluated. We applied three different sanding models to a cluster of six HPHT wells. In all these wells, no sanding was observed under considerable levels of drawdown, certainly far surpassing conditions required for sand failure. Moreover, under failed conditions, the wells were producing high rates of gas for very long periods. The approaches used included popular analytical shear failure and tensile failure based models which showed an unusually high level of conservatism in their prediction of sanding in high pressure wells. We provide a plausible explanation for this behavior which is attributed to the underlying proposition that sand production occurs when sand fails. While this supposition is used in all applications of such models, in deep, high stress and pressure systems, the problem is magnified due to the fact that failure occurs relatively early in the operating life of the reservoir. We propose an alternate approach where sand production criterion is extended to include not only sand failure but also adequate seepage forces to liquefy the sand and hence mobilize it. This approach is shown to better capture the observed response in the field. As an added bonus, the proposed approach quantifies the volume of sand rather than simply give indications of the onset of sand production. This information is helpful in developing the optimal production strategy throughout the life of field. In this paper, we discuss the pros and cons of the commonly used models for sand prediction and provide examples to validate the newly proposed concepts for quantifying sand production.
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 ».