MétaCan
Menu
Retour à la cohorte
Enregistrement W2512548693 · doi:10.2118/181693-ms

Complementary Surveillance Microseismic and Flowback Data Analysis: An Approach to Evaluate Complex Fracture Networks

2016· article· en· W2512548693 sur OpenAlexaff
Yanmin Xu, Obinna Ezulike, Ashkan Zolfaghari, Hassan Dehghanpour, Claudio Virués

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensNexen (Canada)University of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicroseismWorkflowFracture (geology)Hydraulic fracturingPetroleum engineeringPerforationVolume (thermodynamics)GeologyWellboreComputer scienceEngineeringEnvironmental scienceGeotechnical engineeringSeismologyPhysicsDatabaseMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents an integrated workflow which complementarily utilizes flowback data analysis and surveillance microseismic analysis to characterize fracture networks and stimulated reservoir volume (SRV). The workflow helps to 1) differentiate !"effective" and "ineffective" SRV and fracture half-length (ye) respectively, 2) understand how effective fracture volume (Vf) changes during flowback, and 3) explore the effects of key operational parameters on the fracture network created after well stimulation. The workflow comprises four main steps: 1) estimating SRV and fracture parameters from surveillance microseismic interpretation and flowback data analysis; 2) comparative analysis of estimated SRV, ye and Vf values; 3) Calculating volumetric ratios (e.g. flowback load recovery) to evaluate the effectiveness of fracturing and flowback operations; and 4) investigating possible relationships between operational designs and estimated reservoir and fracture parameters. The application of this workflow on an eight-well pad completed in the Horn River Basin (HRB) shows that the SRV and ye from microseismic interpretation are generally several times larger than those from flowback data analysis. This indicates that over half of the stimulated rock does not contribute to gas production. Besides, a large percentage of the effective fracture network closes during early-time (the first 200 hrs) flowback. The results show that SRV increases as total perforation clusters increases, and this relationship appears to be formation-dependent. Also, the estimated Vf seems to be smaller for wells that are opened later for flowback. This observation might be due to inter-well communication and wellbore storage effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,038
Tête enseignante GPT0,288
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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207