The Fracture-Compliance Method for Picking Closure Pressure From Diagnostic Fracture-Injection Tests
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Summary In this paper, we present the fracture-compliance method, a technique for estimating the closure pressure from diagnostic fracture-injection tests (DFITs). The method is based on the observation that fractures retain a finite aperture after asperities come into contact (mechanical closure). An empirical, nonlinear joint-closure law is used to relate the after-closure fracture aperture and stiffness (the reciprocal of compliance) to effective normal stress. Fracture closure increases fracture stiffness, which, in low-permeability formations, causes an increase in the pressure derivative. On the basis of these insights, we propose the fracture-compliance method, which consists of picking closure at the first point of deviation from linearity on a plot of pressure or G×dP/dG vs. G-time (after the end of the very-early-time transient associated with wellbore and near-wellbore friction and fracture tip-extension). The contribution of this paper is to provide theoretical justification for why closure is best picked with the fracture-compliance method, and not with other widely used methods. We provide a series of numerical DFIT simulations to demonstrate the sensitivity of the pressure transient to input parameters. Governing equations are derived and used to demonstrate the effect of changing fracture aperture after closure. A field DFIT data set is analyzed with the new method. Finally, a field example is presented in which downhole tiltmeter measurements provide an independent estimate of the minimum principal stress.
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.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découle