MétaCan
Menu
Retour à la cohorte
Enregistrement W2495320186 · doi:10.2118/137604-ms

An Analytical Model to Predict Cumulative Steam Oil Ratio (CSOR) in Thermal Recovery SAGD Process

2010· article· en· W2495320186 sur OpenAlexaff
Kohei Miura, Jin Wang

Notice bibliographique

RevueCanadian Unconventional Resources and International Petroleum Conference · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensCanada’s Oil Sands Innovation Alliance
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringPermeability (electromagnetism)ThermalSaturation (graph theory)Energy balancePorosityEnvironmental scienceMaterials scienceMechanicsThermodynamicsMathematicsGeologyChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents a simple yet sophisticated analytical model to predict cumulative steam oil ratio (CSOR) using the material/energy balance and gravity drainage theory, in which CSOR is a function of average reservoir properties (porosity, permeability, heat capacity, and thermal conductivity), and time-dependent variables (injection temperature, rising chamber height, chamber oil saturation, and producing fluid temperature) to mimic the practical SAGD process. This model has been applied to predict CSORs of the typical wells in the JACOS’ Hangingstone SAGD project. History match results show the reliability and accuracy of the model at different geological conditions. The analytical model has proven to be satisfactory to predict CSOR by reasonably adjusting a few reservoir parameters, such as formation permeability, effective net pay, and operational parameters.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,936

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,017
Tête enseignante GPT0,266
Écart entre enseignants0,249 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations13
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Unconventional Resources and International Petroleum ConferenceMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207