Techniques to estimate fracture effectiveness when mapping low‐magnitude microseismicity
Notice bibliographique
Résumé
Hydraulic fracture mapping by locating microseismic events related to rock fracturing is used to evaluate the effectiveness of the stimulation in low-permeability reservoirs. The geometry of the events is used to infer fracture orientation, particularly in the case where events line up along an azimuth, or have a planar distribution in 3 dimensions. When the induced the microseismic eventshave a low signal-to-noise ratio (either due to low magnitude or propagation effects) their locations can have a high degree of uncertainty. Low signal-to-noise events are not as accurately located in the reservoir, or are not detected at all, so that the extent of fracture stimulated reservoir may be underestimated. In the Bakken Formation of the Williston Basin, we combine geological analysis with process-based and stochastic fracture modeling to build multiple possible fracture model realizations. Specific parameters in the models can be modified while honoring a realistic range for each parameter in order to explore the range of uncertainty. Fracture flow properties generated from the fracture models are validated via history matching iterations. The validated fracture models, in turn, provide a means to calculate a geometrically-constrained volume of rock and fracture permeability that can be used for estimating production. This paper presents a methodology for deciding which fracture parameters to vary (the high sensitivity parameters) in order to minimize the number of realizations that need to be generated during the model conditioning phase of a reservoir simulation program.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».