MétaCan
Menu
Retour à la cohorte
Enregistrement W2545740925 · doi:10.2118/182572-ms

Tight Oil Field Development Optimization Based on Experience of Canadian Analogs

2016· article· en· W2545740925 sur OpenAlexaboutno aff
V. B. Karpov, Nikolay Parshin, Dmitriy Sleptsov, A. A. Moiseenko, Arsentiy Alexeyevich Ryazanov, Yury Golovatskiy, Oleg V. Petrashov, A. V. Zhirov, Yulia Kurelenkova, Ivan Ishimov, Piljae Im

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)Computer scienceDevelopment (topology)Oil fieldPetroleum engineeringStage (stratigraphy)Hydraulic fracturingSystems engineeringOperations researchEngineeringGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The paper presents a study of field development optimization of the large tight oil field in West Siberia. The field is at an early development stage and is characterized by low permeability (less than 1 mD). It is developed by horizontal wells with multistage hydraulic fracturing. Analysis of available information about the field revealed the potential to improve field development efficiency. Field development analysis and optimization were carried out based on the experience of development of similar Canadian reservoirs. Two large fields were selected as analogues: Bakken ViewField and Pembina Cardium. The data on these fields is publicly available. These fields are developed during a long period of time enabling operating companies to learn from experience and use new knowledge and data to optimize completions systems and development strategies as a whole. Therefore it is possible to not only analyze the current field development stage, but also trace the evolution of approaches and assess, what benefits can be obtained from making various changes to the applied technologies and field development strategy. The positive experience of development of the Canadian fields formed the basis for the field development optimization options. A set of suggested project decisions will enable improvement in field development efficiency and, in case of confirming by pilot projects, can be recommended for full-field implementation in the considered field and in the analogue fields.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique
Score de désaccord entre enseignants0,675
Score d'incertitude au seuil0,646

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,236
Écart entre enseignants0,219 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207