Production Forecasting for Shale Gas Reservoirs With Fast Marching-Succession of Steady States Method
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.
Notice bibliographique
Résumé
In this paper, we introduce fast marching-succession of steady-states (FM-SSS) method to predict gas production from shale gas formations. The solutions of fast marching method (FMM) will describe the dynamic drainage boundary, and the succession of steady-state (SSS) method is applied to predict the gas production within the drainage boundary. As only the grids within drainage need to be taken into calculation at each time-step, this approach works much more efficiently than the implicit finite difference method, especially, at the early stage of production when the drainage is relatively small.We combine FMM with SSS to conduct reservoir simulation and predict gas production in shale gas reservoirs. The pressure profiles of transient flow are approximated with the pressure profiles of steady-state flow in our approach. The difference between the proposed method and the conventional SSS method is that we provide an efficient method to characterize the boundary conditions. In the conventional SSS method, the boundary pressure has to be measured, which is inconvenient for simulation purposes, whereas FM-SSS method takes the dynamic drainage as a changing boundary and approximates the drainage boundary pressure with initial reservoir pressure, such that the boundary condition can be numerically characterized. A major advantage of our approach is that it is unconditionally stable and more efficient than the implicit finite difference method because much smaller-scale linear equations need to be solved at each time-step.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle