Parallel Simulation of Full-Field Polymer Flooding
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
In recent years, polymer flooding has become a mature technology to improve the reservoir recovery rate and has been successfully implemented in many oil fields. Because of high operating costs of a polymer flooding project and the impact to the environment, the polymer injected per unit volume should be tracked for each polymer flooding pattern. Hence, the full-field reservoir simulations with fine-scale grids are needed to capture fine-scale phenomena and to optimize the process. To meet these objectives, a polymer module has been developed in our in-house parallel black oil simulator, which allows parallel simulations using clusters and supercomputers. With our parallel simulator, the elapsed time of full-field simulations with millions of grid blocks can be reduced from days to hours or minutes, and even for a much larger model with hundreds of millions ofgrid blocks, the simulations can be finished in practical time. In order to guarantee the computational efficiency and the parallel scalability, an inexact Newton method is applied and a new CPR (Constrained Pressure Residual)-type preconditioner is designed. In this paper, a SPE10-based polymer flooding case is tested, the performance of nonlinear and linear solvers are robust, and an encouraging parallel scalability is obtained. The second case is a full-field polymer flooding case, for which a coarse grid model anda fine grid model are both used. The results show the differences of the oil production rate and the water cut, which illustrates the accuracy of fine-grid simulations. For the fine grid model, up to 1024 CPU cores are employed, and an excellent speedup is achieved.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,001 | 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 découle