MétaCan
Menu
Retour à la cohorte
Enregistrement W2607981028 · doi:10.3968/9415

Experimental study on loss-prevention performance of oil-based drilling fluids

2017· article· en· W2607981028 sur OpenAlexvenueno aff
Jinpeng Chai, Junyi Liu, Zhengsong Qiu

Notice bibliographique

RevueAdvances in petroleum exploration and development · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLost circulationDrilling fluidPetroleum engineeringDrillingRheologyWellboreFiltration (mathematics)Materials scienceMechanical engineeringEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Compared to the water-based drilling fluids, lost circulation is more prone to occur when drilling with oil-based drilling fluids and it is difficult to deal with this problem on the drilling site for lack of high-efficiency lost circulation materials. In order to solve this technical problem, the principles of pressure resistance plugging technology of oil-based drilling fluids was firstly investigated according to the force-chain principle of granular matter mechanics, and rigid bridging particles, elastic packing particles and micro fibers could synergistically form fracture tight sealing zones with strong force-chain network to strengthen the lost circulation prevention ability of oil-based drilling fluids. Based on the principle above, novel loss-prevention materials were finally developed for oil-based drilling fluids by optimizing different plugging agents. Experimental results show that novel loss-prevention materials could be compatible with other components of oil-based drilling fluids. The oil-based drilling fluids with high sealing capacity could be optimized by adding novel loss-prevention materials, and it exhibits good rheological behavior with a low PPT filtration of 11.4 mL and excellent lost circulation prevention ability to strengthen the wellbore while drilling.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,216
Score d'incertitude au seuil0,543

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,271
Écart entre enseignants0,250 · 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 tête enseignante, 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in petroleum exploration and developmentMême sujetDrilling and Well EngineeringTravaux en français237 207