Geological uncertainty and effects of depositional sequence on improved oil recovery processes
Notice bibliographique
Résumé
Several emerging improved oil recovery (IOR) techniques have been proposed in the past decades with promising results. However, a systematic study of reservoir heterogeneity on these advanced processes has not yet been presented. This paper provides one of the first comparative evaluations of the effects of reservoir heterogeneity on various IOR processes from the conventional methods (waterflooding, CO2 flooding) to the emerging recovery technologies (Low-Salinity Waterflooding and CO2 Low-Salinity WAG) for wider and more successful implementation of these projects. Since weakness exists in the current simple and unrealistic models, detailed geostatistic models are employed to provide a more realistic and unbiased evaluation of reservoir heterogeneity. A new modeling approach that involves the integration of geological software, a reservoir simulator and a robust optimizer in a closed loop for generating multiple geologically driven realizations and uncertainty assessment of different recovery processes is introduced. Then a series of numerical simulations is conducted to investigate the influences of FU and CU sequences on oil recovery. Finally, the uncertainty range of reservoir heterogeneity is thoroughly evaluated using a large number of geological realizations with significant differences on porosity and permeability distributions. The effect of the K v /K h (aspect) ratio is also addressed in this study. The simulation results indicate that the depositional sequence has a dominant effect on oil recovery in all recovery processes. The CU distribution demonstrates superior performance over the FU distribution.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».