A cutting edge solution to monitor formation damage due to scale deposition: Application to oil recovery
Notice bibliographique
Résumé
Abstract One of the detrimental issues in upstream oil industry is permeability impairment in oil reservoirs. The permeability may be reduced because of scale deposition originated from injected water incompatibility with the in‐situ water. To tackle this issue and monitor permeability impairment owing to scale deposition, an inventive evolutionary approach of Artificial Neural Network (ANN) is utilized which is based on the bio‐inspired science. This approach is optimized by various optimization algorithms which provide a high‐precision decision‐making process with low uncertainty associated with the interconnected weights of the developed neural network model. The constructed intelligent approaches are evaluated using extensive experimental data from the open literature. Moreover, two regression models are developed to highlight the robustness and precision of the addressed techniques. For model validation, the predictions obtained from the smart technique as well as the regression method are compared with the formation damage experimental data. Based on various performance criteria, it was obtained that the predictions from the optimized genetic algorithm have infinitesimal average relative and absolute deviation from the experimental data (< 0.1 %). The results obtained in the current research prove that implication of HGAPSO‐ANN in monitoring of formation damage associated with scale deposition in porous media results in reliable estimation of permeability impairment. This can result in designing a more reliable reservoir simulation model that captures the permeability impairment due to scale deposition, hence providing thorough action plans for developing EOR technologies that may cause scale deposition‐related formation damage.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».