MétaCan
Menu
Retour à la cohorte
Enregistrement W2785299246 · doi:10.3968/10084

Analyzing of Multi Field Coupling Borehole Collapse Time for Shale

2017· article· en· W2785299246 sur OpenAlexvenueno aff
Xiqiang Miao

Notice bibliographique

RevueAdvances in petroleum exploration and development · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueGeoscience and Mining Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBoreholeDrilling fluidPore water pressureCohesion (chemistry)GeologyCoupling (piping)Geotechnical engineeringOil shalePermeability (electromagnetism)DrillingStress fieldHydraulic fracturingMechanicsFluid dynamicsPetroleum engineeringFinite element methodEngineeringMechanical engineeringStructural engineeringChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Based on the theory of semi-permeable diaphragm equivalent pore pressure, the fluid-chemistry coupling diffusivity equation of pore pressure is deduced, and then fluid-solid-chemistry coupling model for porous media is founded. Based on theory deduction and laboratory experiment, a new model which represents the relation between the pore pressure and the rock intensive parameters (cohesion stress and angle of internal friction) is founded. A new model which can calculate the collapse time for shale is developed by using the Coulomb-Mohr failure criteria, and then the finite element simulation program is developed by using the software of FEPG. According to the research, the drilling fluid of low activity can inhabit the increasing trend of pore pressure nearby the borehole effectively, and the drilling fluid of low activity can also inhabit the decreasing trend of cohesion stress effectively under the influence of chemical field and seeping field, which favors the borehole stability. The lithological character and drilling fluid performance should be considered in the process of evaluation and forecast of collapse time, and the drilling fluid can be optimized by using this multi field coupling model.

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 enseignants0,451
Score d'incertitude au seuil0,269

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 Opus0,022
Tête enseignante GPT0,276
Écart entre enseignants0,253 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in petroleum exploration and developmentMême sujetGeoscience and Mining TechnologyTravaux en français237 207