MétaCan
Menu
Retour à la cohorte
Enregistrement W2801228143 · doi:10.2118/174287-pa

Natural Fractures and Mechanical Properties in a Horn River Shale Core From Well Logs and Hardness Measurements

2018· article· en· W2801228143 sur OpenAlexaffabout
Sheng Yang, Nicholas B. Harris, Tian Dong, Wei Wu, Zhangxin Chen

Notice bibliographique

RevueSPE Reservoir Evaluation & Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésOil shaleBrittlenessGeologyLithologyHydraulic fracturingGeotechnical engineeringMineralogyPetrologyComposite materialMaterials science

Résumé

récupéré en direct d'OpenAlex

Summary This paper documents the formation of natural fractures in the Horn River Group, a major Canadian shale gas play, and addresses relationships between natural-fracture development and rock-mechanical properties derived from cores and well logs. Most natural fractures in the Horn River Shale are narrow vertical fractures, sealed with carbonate minerals. In this study, the formation of observed fractures is primarily determined by a lithology type, mineral composition, and rock-mechanical properties at the timing of fracturing. Brittleness is an important geomechanical property controlling the formation of fractures, because brittle shale is more easily fractured than ductile shale, and fractures in brittle shale tend to persist when the fracturing pressure is released. In this study, a hardness value measured by a commercial hardness tester is found to be a good proxy for the brittleness of shale layers. On the basis of a statistical analysis, the threshold values of both hardness and brittleness are estimated to predict the distribution of natural fractures, assuming that the mechanical properties of the host rock were relatively stable from at least the time at which fractures formed. Hardness values are shown to be more reliable than brittleness.

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)0,001
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 enseignants0,081
Score d'incertitude au seuil0,899

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,046
Tête enseignante GPT0,271
Écart entre enseignants0,225 · 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

Citations17
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Reservoir Evaluation & EngineeringMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207