Simultaneous Estimation of Relative Permeability and Capillary Pressure for PUNQ-S3 Model With a Damped Iterative-Ensemble-Kalman-Filter Technique
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
Summary A damped iterative-ensemble-Kalman-filter (IEnKF) algorithm has been proposed to estimate relative permeability and capillary pressure curves simultaneously for the PUNQ-S3 model, while its performance has been compared with that of the CMOST module, iterative-ensemble-smoother (IES) algorithm, and traditional ensemble-Kalman-filter (EnKF) technique. The power-law model is used to represent the relative permeability and capillary pressure curves, while three-phase relative permeability for oil phase is determined by use of the modified Stone II model. By assimilating the observed production data, the relative permeability and capillary pressure curves are inversely, automatically, and successively updated, achieving an excellent agreement with the reference cases. Not only are the associated uncertainties reduced significantly during the updating process, but also each of the updated reservoir models predicts the production profile that is in good agreement with the reference cases. Although the damped IEnKF technique shows the highest accuracy on estimation results, history-matching results, and prediction performance for the PUNQ-S3 model, its computational expense is still high compared with the other three techniques. In addition, the variations in the ensemble of the updated reservoir models and production profiles of the damped IEnKF provide a robust and consistent framework for uncertainty analysis.
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