MétaCan
Menu
Retour à la cohorte
Enregistrement W2284441904 · doi:10.2118/174287-ms

Mechanical Properties and Natural Fractures in a Horn River Shale Core from Well Logs and Hardness Measurements

2015· article· en· W2284441904 sur OpenAlexafffund
Sheng Yang, Nicholas B. Harris, Tian Dong, Wei Wu, Zhangxin Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOil shaleLithologyGeologyBrittlenessHydraulic fracturingMineralogyGeotechnical engineeringPetrologyMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract This paper addresses factors that influence rock mechanical properties and the development of natural fractures of Horn River Group, a major shale gas play, using cores and well log data of well Maxhamish D-012-L/094-O-15. The majority of natural fractures in the Horn River shale are narrow fractures, sealed with carbonate mineral. In this study, the formation of observed fractures is primarily determined by the lithology type, mineral composition, bed thickness, the lithology of the surrounding bed and the rock mechanical properties. The different cement types in the fracture aperture also control the fracture reactivation by hydraulic fracturing. Brittleness is one of the most important mechanical properties controlling fractures formation, because brittle shale is more easily fractured than ductile shale and fractures in brittle shale tend to perpetuate when the fracturing pressure is released. In this study, a hardness value measured by the Equotip Bambino 2 hardness tester is found to be a good proxy for the brittleness of shale layers. The hardness measured an Equotip Bambino 2 hardness tester and the brittleness calculated from well logs show a good correlation. An orthogonal regression method is applied to deeply investigate their relationship. For different members of the Horn River Group, the correlation relationship is different, which is mainly affected by the changes of the Si and Ca mineral content. As shown in this paper, the hardness measured by an Equotip Bambino 2 is a good indicator of the log-derived brittleness, because of its high resolution and more accuracy. A hardness value is also more sensitive to the mineral composition changing than a brittleness value. Based on a statistical analysis, the hardness more accurately predicts the distribution of natural fractures, so that when a hardness value is over 550, natural fractures will be developed. These relationships can also be used to predict natural fractures and the targets of hydraulic fracturing when dipole sonic and density well logs are not available.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,049
Tête enseignante GPT0,234
Écart entre enseignants0,185 · 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'étudeObservationnel
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

Citations12
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207