Development of Recovery Factor Model For Water Drive and Depletion Drive Reservoirs in The Niger Delta
Notice bibliographique
Résumé
Abstract Recovery factor of an oil reservoir is paramount for accurate reserves estimation and field development planning. It is usually estimated using expensive simulation or experimental studies. However, most published models account for only primary recovery. This study is therefore designed to develop a correlation model that can estimate recovery factor under both primary and secondary recovery from oil reservoirs in the Niger Delta having water and depletion drive mechanisms. For this study, the models for recovery factor were established using statistical correlation of data collected from 136 oil reservoirs in the Niger Delta. A sensitivity analysis was performed on different parameters affecting recovery factor of water and depletion drive reservoirs. The results obtained were compared to other published models. The results show that for both water and solution gas drive reservoirs; oil viscosity and residual oil saturation do have a strong correlation with recovery factor, while pressure, API gravity and gas oil ratio do have a strong correlation with recovery factor only in solution gas drive reservoirs. Results also show that no statistical correlation exists between formation volume factor, reservoir thickness, porosity, permeability, initial water saturation, temperature, water viscosity and recovery factor. The novelty of the recovery factor models is its ability to estimate secondary recovery factor for oil reservoirs that have been subjected to water injection. However, the models developed in this study should be valid also to oil reservoirs in other regions having similar geological characteristics.
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 | 0,000 |
| 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 ».