MétaCan
Menu
Retour à la cohorte
Enregistrement W2269530699 · doi:10.1007/s13202-015-0227-1

A density-based material balance equation for the analysis of liquid-rich natural gas systems

2016· article· en· W2269530699 sur OpenAlexfundno aff
Miao Zhang, Luis F. Ayala

Notice bibliographique

RevueJournal of Petroleum Exploration and Production Technology · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Equilibria and Thermodynamics
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad Nacional de Río CuartoCMG Reservoir Simulation FoundationPennsylvania State UniversityUniversity of Pennsylvania
Mots-clésBenchmark (surveying)Consistency (knowledge bases)Function (biology)Offshore geotechnical engineeringField (mathematics)Natural gasMaterial balanceApplied mathematicsZero (linguistics)MechanicsMathematicsGeologyPhysicsEngineeringGeotechnical engineeringProcess engineeringGeometry

Résumé

récupéré en direct d'OpenAlex

This study analytically cross examines the consistency among available zero-dimensional material balance equations (MBEs) for liquid-rich gas equations and derive a new simple yet rigorous MBE starting from governing equations applicable to these systems. We propose a new zero-dimensional (tank) material balance equation directly applicable to the analysis of liquid-rich (wet and retrograde) gas reservoirs expressed as a function of an equivalent gas molar density, as well as investigate and critically compare its predictions against other zero-dimensional (tank) models proposed in the past for gas reservoir cases with different amounts of condensate content (lean, intermediate and rich). All models are employed to predict reservoir performance given reservoir original-fluids-in-place and compared against benchmark examples created by numerical simulation. Actual field examples are also analyzed using existing and proposed models to test their ability to provide reliable reserve estimations using straight-line methods. The proposed density-based equation is proven to be straightforward to implement since it is written in terms of density, which allows it be directly expressed as an extension of the dry gas MBE, while not requiring the implementation of two-phase Z-factors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,013
Tête enseignante GPT0,223
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Petroleum Exploration and Production TechnologyMême sujetPhase Equilibria and ThermodynamicsTravaux en français237 207