Optimizing Shale Development: Another Approach By Means of Multilateral Wellbores
Notice bibliographique
Résumé
Abstract Multilateral (ML) wells have been synonymous with the means to improve recovery from conventional reservoirs by adding drainage. Throughout the years, there have been limited ML well applications in various US unconventional plays. Widespread use has likely been curtailed by the challenging commodity price environment that has forced operators to drill and complete wells faster to lower recovery costs and provide production to the market quicker. This paper discusses the use of ML technology in unconventional programs to optimize shale development. Thousands of ML wells have been drilled and completed to date in many conventional applications worldwide. Applications range from benign projects to more complex programs that include deepwater, subsea, and extended-reach projects. Many unconventional heavy oil applications have been developed in various regions using ML technology during the last 20 years. The use of ML technology in many of these applications created efficiency in the operator's development plans because fewer wells were necessary to drain reservoirs more effectively. This helped save drilling and completion, production and surface equipment, and all other related infrastructure costs. Early this decade, ML technology also began to make inroads in the shale oil and gas marketplace. ML technology has been used to develop a limited number of unconventional shale and tight oil and gas wells in both Canada and the contiguous US. Some of the published data addressed the operational issues, surface logistics, and general efficiencies of many of these previous ML multistage projects. This paper presents a case study that examines in additional detail the drilling and completion of two single horizontal wells vs. a single ML well in an unconventional play. This paper discusses the potential benefits of ML applications and modifications to consider during the drilling and completion of shale and/or tight oil and gas wells. Objective viewpoints are also presented to generate further discussion.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».