MétaCan
Menu
Retour à la cohorte
Enregistrement W2147128792 · doi:10.3968/j.est.1923847920120301.178

Rheological Characterization of Shale – Mud Interactions

2012· article· en· W2147128792 sur OpenAlexvenueno aff
W.O. Emofurieta, Andrew O. Odeh

Notice bibliographique

RevueEnergy science and technology · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDrilling fluidOil shaleRheologyNiger deltaDrillingPetroleum engineeringGeologyOil fieldGeotechnical engineeringMining engineeringDeltaEngineeringMaterials scienceMechanical engineeringComposite materialPaleontology

Résumé

récupéré en direct d'OpenAlex

In a bid to identify a best drilling fluid for a problematic oil field in the Niger Delta region, rheological tests were carried out on three mud samples; BW 1 , BW 3 and BW 4 . The results affirm that the load bearing capacity of XP-07 formulated as BW 3 and BW 4 in this investigation is excellent and fall within the same range or even better than those of REF Mud with a more than 90% drilling success history in Niger Delta. The rheological changes of XP-07 with increase in temperature and “assimilated” microscopic shale particles are very negligible and smaller than those of REF mud. XP-07 has been strongly recommended for all drilling operations in the problematic field. It has been re-emphasised as part of our recommendations that new guidelines for the close monitoring of drilling fluids supplied by mud companies and those actually used in the field (during drilling) be put in place. Key words: Shale – mud interactions; Rheological characterization; Niger delta

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,161

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,189
Écart entre enseignants0,184 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy science and technologyMême sujetDrilling and Well EngineeringTravaux en français237 207