Comparison of deterministic with stochastic fracture models in water-flooding numerical simulations
Notice bibliographique
Résumé
Abstract Determination of multiphase flow properties considering the variation of fracture patterns (i.e., number of fracture sets, their orientation, length distribution, spacing, and in-situ aperture) remains a key challenge in reservoirs. In reservoir engineering, one way is by studying outcrop analogs with comparable petrophysical properties and a similar geological history, and incorporating these data into model building, discretization, and numerical simulation. The limitation of directly incorporating attributes measured on outcrops is that this method is error prone because of postburial processes. Mineralized fracture (vein) attributes are good candidates to use as analogs for open fractures formed under in-situ conditions, to establish the relationship between fracture length and aperture and help to reveal the conditions at the time of their formation, and to quantify fracture-induced porosity in rock masses. Vein attributes determined from scan lines and window samples were combined to condition the stochastic generation of fractures using the discrete fracture network code FracMan. Comparison of water breakthrough time and oil saturation at breakthrough was then determined by applying a constant pressure gradient for each realization to simulate water-flooding numerical simulation using the combined finite element–finite volume method. The different stochastic realizations were compared with discrete fracture and matrix models, and we show how the uncertainty in these fracture attributes affects multiphase flow behavior in naturally fractured rocks. Uncertainty in quantifying these attributes has a profound impact for predicting the oil recovery and water breakthrough time based on limited information from boreholes.
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 ».