MétaCan
Menu
Retour à la cohorte
Enregistrement W2586901768 · doi:10.2118/185031-ms

Localized Reservoir Characterization Model for Hydraulic Fracturing Design in Tight Reservoirs

2017· article· en· W2586901768 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueSPE Unconventional Resources Conference · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensGolder Associates (Canada)University of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésGeologyHydraulic fracturingTight oilOil shalePetroleum engineeringTight gasPermeability (electromagnetism)DrillingReservoir modelingPetrologyPetroleum reservoirShale gasCarbonateReservoir simulationMining engineeringPaleontologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Tight reservoirs with low and ultralow permeability must be successfully stimulated to produce at economic oil or gas rates. For this reason, costs of drilling and completing wells are very high in tight reservoirs. In order to reduce these costs, operators have often tried to replicate the same or similar hydraulic fracturing designs that have been successfully used in previous wells in the same geological area. This strategy sometimes results in unexpected surprises and operational challenges leading to unsuccessful stimulations and poor production performance. The major reason behind these challenges is that tight reservoirs exhibit a localized behavior with changes in reservoir quality such as mineralogy, hydrocarbon content, and thickness across the same reservoir. In order to study the localized behavior of tight reservoirs; three wells that penetrated the Eaglebine formation in Texas were evaluated. The Eaglebine formation contains both the Eagle Ford and the Woodbine reservoirs. The combined Eagle Ford and Woodbine (Eaglebine) reservoir can sometimes exceed 1,000 feet in thickness. These reservoirs are present at depths between 6,500 and 15,000 feet in East Texas. In some areas, the Eaglebine contains a large percentage of silica-rich sands interbedded in organic rich shale and carbonate layers. This paper investigates the reasons as to why same hydraulic fracturing techniques should not be applied necessarily for every well in the same geological area. Furthermore, it demonstrates how we can exploit the localized reservoir behavior to plan for future wells despite limited data availability. Data from mud logs, well logs, and cores, including mineralogy and geomechanical data are integrated to build the localized reservoir characterization model that can be used to plan how each individual well should be hydraulically fractured. The model provides information such as location of organic-rich zones, brittle zones, and ductile zones in a geological area. Lastly, it recommends the type of fracture fluid that can yield a successful stimulation operation in ductile or brittle zones.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,675
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,042
Tête enseignante GPT0,264
Écart entre enseignants0,222 · 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