MétaCan
Menu
Retour à la cohorte
Enregistrement W2465892916 · doi:10.2118/175143-pa

Flowback Fracture Closure: A Key Factor for Estimating Effective Pore Volume

2016· article· en· W2465892916 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueSPE Reservoir Evaluation & Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensNexen (Canada)University of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesChina National Offshore Oil Corporation
Mots-clésPetroleum engineeringHydraulic fracturingFracture (geology)Permeability (electromagnetism)GeomechanicsClosure (psychology)GeologyGeotechnical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Summary The importance of evaluating well productivity after hydraulic fracturing cannot be overemphasized. This has necessitated the improvement in the quality of rate and pressure measurements during flowback of multistage-fractured wells. Similarly, there have been corresponding improvements in the ability of existing transient models to interpret multiphase flowback data. However, the complexity of these models introduces high uncertainty in the estimates of resulting parameters, such as fracture pore volume (PV), half-length, and permeability. This paper proposes a two-phase tank model for reducing parameter uncertainty and estimating fracture PV independent of fracture geometry. This study starts by use of rate-normalized-pressure (RNP) plots to observe changes in fluid-flow mechanisms from multistage-fractured wells. The fracture “pressure-supercharge” observations form the basis for developing the proposed two-phase tank model. This model is a linear relationship between RNP and time, useful for interpreting flowback data in wells that show pseudosteady-state behavior (unit slope on log-log RNP plots). The linear relationship is implemented on a simple Monte Carlo spreadsheet. This is then used to estimate and conduct uncertainty analysis on effective fracture PV by use of probabilistic distributions of average fracture compressibility and gas/water saturations. Also, the proposed model investigates the contributions of various drive mechanisms during flowback (fracture closure, gas expansion, and water depletion) by use of quantitative drive indices similar to those used in conventional reservoir engineering. Application of the proposed tank model to flowback data from 15 shale-gas and tight-oil wells estimates the effective fracture PV and initial average gas saturation in the active fracture network. The results show that fracture-PV estimation is most sensitive to fracture closure compared with gas expansion and water depletion, making fracture closure the primary drive mechanism during early-flowback periods. Also, the initial average gas saturation for all wells is less than 20%. The parameters estimated from the proposed model could be used as input guides for more-complex studies (such as discrete-fracture-network modeling and transient-flowback simulation). This reduces the number of unknown parameters and uncertainty in output results from complex models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,741
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,013
Tête enseignante GPT0,263
Écart entre enseignants0,250 · 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