Synthetic Fractal Modelling of Heterogeneous and Anisotropic Reservoirs for Use in Simulation Studies: Implications on Their Hydrocarbon Recovery Prediction
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
Optimising production from heterogeneous and anisotropic reservoirs challenges the modern hydrocarbon industry because such reservoirs exhibit extreme inter-well variability making them very hard to model. Reasonable reservoir models can be obtained using modern geostatistical techniques, but all of them rely on significant variability in the reservoir only occurring at a scale at or larger than the inter-well spacing. In this paper we take a different, generic approach. We have developed a method for constructing realistic synthetic heterogeneous and anisotropic reservoirs which can be made to represent the reservoir under test. The main physical properties of these synthetic reservoirs are distributed fractally. The models are fully controlled and reproducible and can be extended to model multiple facies reservoir types. This paper shows how the models can be constructed and how they have been tested. Reservoir simulation results of a number of generated 3-D heterogeneous and anisotropic models show that heterogeneity, in terms of only the geometric distribution of reservoir properties, has a little effect on oil production from high and moderate quality reservoirs. However, if the effect of heterogeneity on capillary pressure is taken into account, the effect becomes striking, where varying the heterogeneity of reservoirs properties can lead to a 70 % change in the predicted oil production rate and a significant early shift of water breakthrough time. Hence, it is the heterogeneity consequences that are really substantial if not taken into account. These are very significant uncertainties for a hydrocarbon company if the heterogeneity of their reservoir is not well defined.
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 | 0,000 |
| 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 découle