Reconciling Empirical Methods for Reliable EUR and Production Profile Forecasts of Horizontal Wells in Tight/Shale Reservoirs
Notice bibliographique
Résumé
Abstract Confidently establishing single well and/or aggregated production profiles, particularly estimated ultimate recovery (EUR), is both an important and challenging process in unconventional reservoirs. Numerous papers have proposed forecasting techniques, but four fundamental approaches dominate: Empirical decline curve analysis (DCA), such as multisegment Arps, the modified stretched exponential production decline (YM-SEPD) model, Duong's method, and power-law methods. Rate-transient analysis (RTA), which can include corrections for special dynamic mechanisms (e.g., stress-sensitivity, multiphase flow, adsorption/desorption). Numerical simulation for history-matching and forward modeling. Volumetrically determining in-place resources based on geological data and then applying a recovery factor deemed suitable for the reservoir system and depletion scheme. Each of these approaches can be implemented using either probabilistic or single-point estimates. Seidle et al. (2016) recently outlined recommended methodologies to accurately forecast time-series volumes and ultimate recovery in unconventional systems. A key recommendation in Seidle et al. (2016) is that the multiple approaches listed previously should be reconciled to establish confidence in forecasts and ultimate recovery estimates. However, Seidle et al. (2016) does not detail the means to achieve this goal. This paper establishes a methodology/workflow to reconcile the different types of empirical DCA methods, which should serve as a starting point for the ultimate goal of reconciling the four fundamental approaches listed. This paper compares and contrasts the DCA methods applied to various field cases in prominent Canadian [Western Canadian Sedimentary Basin (WCSB)] and US unconventional (oil and gas) plays (Bakken, Barnett, Cadomin, Eagle Ford, and Niobrara). Data sets are selectively chosen based on data quality and history length to increase confidence in the appraisal of the DCA approach. Hindcasting is applied to validate the results and conclusions. From analysis of a number of wells in different types of reservoirs, a new workflow (methodology) is proposed and validated with hindcasting that allows practically and accurately reconciling EURs based on various empirical methods. This manuscript is the first paper to discuss systematic reconciliation of EURs from varying approaches for horizontal wells in tight/shale reservoirs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».