MétaCan
Menu
← Retour à la cohorte
Enregistrement W2794297001 · doi:10.2118/189793-ms

Quantifying Reservoir Permeability in Shale Reservoirs Using After-Closure Analysis of DFIT by Considering Natural Fractures, Fissures, and Microfractures: Field Application

2018· article· en· W2794297001 sur OpenAlexaff
Zhiming Chen, He Sun, Xinwei Liao, Shuhua Wang, Wei Yu, Lihua Zuo, Keliu Wu, Jing Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Key Research and Development Program of ChinaChina Scholarship Council
Mots-clésGeologyOil shaleFracture (geology)Permeability (electromagnetism)Hydraulic fracturingPetroleum engineeringGeotechnical engineeringClosure (psychology)

Résumé

récupéré en direct d'OpenAlex

Abstract Natural fractures, fissures, and microfractures are well-known contributors to production performance of shale reservoirs. Complex fracture geometries can be generated by either small-scale fracturing, DFIT, or large volume fracture stimulation, because the activation of pre-existing natural fractures, fissures, and microfractures plays a significant role on generation of induced hydraulic fractures. Therefore, much more attention should be paid to the model development of DFIT complexity. In previous work, Chen et al. (2017a) built a complex fracture-network model for after-closure analysis of DIFT by considering natural fractures. Based on that, this paper introduces a generalized model with random fracture geometry caused by natural fractures, fissures, and microfractures. First, the model flexibility is demonstrated by different complex fracture cases, namely opening-fissure fracture network, tree-like fracture network, radial multiple fracture network, and mutually orthogonal fracture network. It is found that the pressure derivative reaches constant level, no matter what the fracture geometry is. Furthermore, the reservoir permeability of field examples from actual DFIT tests in Marcellus shale reservoir is quantified using the log-log diagnostic plots based on the model solutions. Finally, the Nolte G-function is applied to verify the estimated results. We find that the results from the two methods are consistent. This work primarily focuses on quantifying the reservoir permeability, while in the future more efforts will be made to identify the fracture properties using the proposed 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,276
Écart entre enseignants0,264 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydraulic Fracturing and Reservoir Analysis→Travaux en français237 207→