MétaCan
Menu
Retour à la cohorte
Enregistrement W2604314374 · doi:10.1088/1742-2140/aa6215

Analytical analysis of fracture conductivity for sparse distribution of proppant packs

2017· article· en· W2604314374 sur OpenAlexafffund
Jianchun Guo, Jiandong Wang, Yuxuan Liu, Zhangxin Chen, Haiyan Zhu

Notice bibliographique

RevueJournal of Geophysics and Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaCMG Reservoir Simulation Foundation
Mots-clésEmbedmentConductivityFracture (geology)ModulusMaterials scienceHydraulic fracturingGeotechnical engineeringElastic modulusGeologyHydraulic conductivityPoromechanicsComposite materialPorosityPorous mediumSoil science

Résumé

récupéré en direct d'OpenAlex

Conductivity optimization is important for hydraulic fracturing due to its key roles in determining fractured well productivity. Proppant embedment is an important mechanism that could cause a remarkable reduction in fracture width and, thus, damage the fracture conductivity. In this work a new analytical model, based on contact mechanics and the Carman–Kozeny model, is developed to calculate the embedment and conductivity for the sparse distribution of proppant packs. Features and controlling factors of embedment, residual width and conductivity are analyzed. The results indicate an optimum distance between proppant packs that has the potential to maintain the maximum conductivity after proppant embedment under a sparse distribution condition. A change in the optimum distance is primarily controlled by closure pressure, the rock elastic modulus and the proppant elastic modulus. The proppant concentrations and the poroelastic effect do not influence this optimum distance.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,239
Écart entre enseignants0,227 · 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

Citations73
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysics and EngineeringMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207