MétaCan
Menu
Retour à la cohorte
Enregistrement W2171583096 · doi:10.19026/rjaset.5.4709

Determination of Residual Oil Distribution after Water Flooding and Polymer Flooding

2013· article· en· W2171583096 sur OpenAlexfundno aff
Yining Wang, Xiaodong Wu, Fengpeng Lai, Zhaopeng Yang, Man Teng

Notice bibliographique

RevueResearch Journal of Applied Sciences Engineering and Technology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesCMG Reservoir Simulation Foundation
Mots-clésResidual oilResidualFlooding (psychology)Petroleum engineeringGeologyWater contentEnvironmental scienceGeotechnical engineeringHydrology (agriculture)Soil scienceMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

In this study, we want to seek for the results from a study on a reservoir with a single sand body and vertical segmentation to simulate each sand layer individually by using FCM and Petrel software. The results indicated that the black oil simulator E100, the Cartesian coordinate system, the angular point grid and the full implicit solution were used in historical fitting. And plane by 50 for step, the plane was divided into six grids and was vertically divided into six simulation layers. After grid coarsening, the total is 181170. For the oil reservoir block, the fitting error of the cumulative oil production history is 8.65% and the fitting error of the moisture content is 3.42%. For single-well oil production, the mean error is 7.36%, and the mean fitting error of the moisture content is 4.37%. The residual oil remained on top of the thick oil reservoir channel sand after water flooding and is 50.63% of the total surplus geological reserves. Thus, water flooding can improve oil recovery in highly permeable zones. After polymer flooding in a thick reservoir with a top layer of channel sand, the residual oil was 39.26%, which is 11.37% lower than that after water flooding.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,297

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,011
Tête enseignante GPT0,254
Écart entre enseignants0,244 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Journal of Applied Sciences Engineering and TechnologyMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207