MétaCan
Menu
Retour à la cohorte
Enregistrement W2586346236 · doi:10.2118/185021-ms

Waterflooding a Multi-layered Tight Oil Reservoir Developed with Hydraulically Fractured Horizontal Wells

2017· article· en· W2586346236 sur OpenAlexaff
Crystal Hustak, Rous Dieva, Richard Baker, Ben MacIsaac, Ken Frankiw, Bryan Clark

Notice bibliographique

RevueSPE Unconventional Resources Conference · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensRed River College
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringPetrophysicsTight oilGeologyOil shalePermeability (electromagnetism)Tight gasReservoir simulationReservoir engineeringOil in placePetroleum reservoirMaterial balanceGeotechnical engineeringHydraulic fracturingPetroleumPorosityEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract A successful waterflood can be implemented in a multi-layered tight oil reservoir developed with horizontal multi-fractured wells. This paper forecasts the recovery factor that can be achieved in such a reservoir as well as discusses the challenges of analyzing and modelling tight oil reservoirs developed with multi-fractured horizontal wells. With some unconventional reservoirs that are hydraulically fractured, a phenomenon exists whereby material balance and simulation indicate pressure support from a water source that is not always obvious. This phenomenon is believed to be related to the multi-layered silts/shales in the reservoir and is not typically seen in simulation of conventional higher permeability reservoirs (Kair >10 mD). Although, the exact petrophysical nature of the silts/shale reservoir layers in this project are not well defined at this time, a successful production history match can be achived by incorporating their input into a simulation model.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,027
Tête enseignante GPT0,246
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'étudeSimulation ou modélisation
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Unconventional Resources ConferenceMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207