Effect of Fracture Roughness, Shear Displacement, Fluid Type, and Proppant on the Conductivity of a Single Fracture: A Visual and Quantitative Analysis
Notice bibliographique
Résumé
Summary Proppants are one of the essential parameters in fracturing design. They not only provide fracture conductivity but also prevent “healing” of fractures. Hence, the quantification of proppant-transport characteristics is highly critical in a sustainable production from hydraulically fractured wells. Previous attempts in this regard were limited to smooth (parallel) fracture surfaces to a great extent, but the roughness of fractures may control the conductivity of hydraulic fractures in the presence of proppants. This paper focuses on experimental measurements to visually and quantitatively investigate the hydraulic characteristics of rough fractures in the presence of proppants. Transparent models of the fractures of different origin rocks (granite, marble, and limestone) were prepared. Water and polymeric solutions representing typical rheological properties of hydraulic-fracturing fluids were injected through the models (joint and sheared fractures) with and without propping agents. The conductivity changes caused by proppant distribution caused by the roughness of fracture surfaces were quantified and correlated to different fractal characteristics of surface roughness. Qualitative and quantitative analyses were supported by images collected through the experiments. Proppant behaviors in joint- and shear-type fractures were observed to be different. In both cases, fracture-closure areas existed, which controlled the proppant transportation and fracture conductivity. The qualitative and quantitative data provided on the degree of conductivity change in a single fracture (in the presence and absence of propping agents) are expected to be useful in accurate performance estimation of oil/gas production from fractured systems.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».