MétaCan
Menu
Retour à la cohorte
Enregistrement W2763823138 · doi:10.2118/182635-pa

A Tracing Algorithm for Flow Diagnostics on Fully Unstructured Grids With Multipoint Flux Approximation

2017· article· en· W2763823138 sur OpenAlexaff
Zhao Zhang, S. Geiger, Margaret Rood, Carl Jacquemyn, Matthew D. Jackson, Gary J. Hampson, Felipe Carvalho, Clarissa Coda Marques Machado Silva, Julio Daniel Machado Silva, Mário Costa Sousa

Notice bibliographique

RevueSPE Journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésReservoir simulationDiscretizationGridComputer scienceUnstructured gridAlgorithmFinite volume methodComputational sciencePolygon meshFlow (mathematics)Control volumeMesh generationMathematical optimizationTracingNode (physics)Applied mathematicsGeometryFinite element methodMathematicsGeologyMechanicsEngineeringMathematical analysisPhysics

Résumé

récupéré en direct d'OpenAlex

Summary Flow diagnostics is a common way to rank and cluster ensembles of reservoir models depending on their approximate dynamic behavior before beginning full-physics reservoir simulation. Traditionally, they have been performed on corner-point grids inherent to geocellular models. The rapid-reservoir-modeling (RRM) concept aims at fast and intuitive prototyping of geologically realistic reservoir models. In RRM, complex reservoir heterogeneities are modeled as discrete volumes bounded by surfaces that are sketched in real time. The resulting reservoir models are discretized by use of fully unstructured tetrahedral meshes where the grid conforms to the reservoir geometry, hence preserving the original geological structures that have been modeled. This paper presents a computationally efficient work flow for flow diagnostics on fully unstructured grids. The control-volume finite-element method (CVFEM) is used to solve the elliptic pressure equation. The flux field is a multipoint flux approximation (MPFA). A new tracing algorithm is developed on a reduced monotone acyclic graph for the hyperbolic transport equations of time of flight (TOF) and tracer distributions. An optimal reordering technique is used to deal with each control volume locally such that the hyperbolic equations can be computed in an efficient node-by-node manner. This reordering algorithm scales linearly with the number of unknowns. The results of these computations allow us to estimate swept-reservoir volumes, injector/producer pairs, well-allocation factors, flow capacity, storage capacity, and dynamic Lorenz coefficients, which all help approximate the dynamic reservoir behavior. The total central-processing-unit (CPU) time, including grid generation and flow diagnostics, is typically a few seconds for meshes with O (100,000) unknowns. Such fast calculations provide, for the first time, real-time feedback in the dynamic reservoir behavior while models are prototyped.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil0,561

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 savante0,0000,000
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 Opus0,009
Tête enseignante GPT0,237
Écart entre enseignants0,228 · 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'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE JournalMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207