Dynamic Error Analysis of Measurement While Drilling Using Variable Geomagnetic In-Field Referencing
Notice bibliographique
Résumé
Summary The safe and economical determination of a wellbore trajectory in directional drilling is traditionally achieved by measurement-while-drilling (MWD) methods, which implement magnetic north-seeking sensor packages. Inaccuracies in the determination of well path arise because of random and systematic errors in the measurements of the sensors. Multistation analysis (MSA) and magnetic in-field referencing (IFR) have already demonstrated the potential to decrease the effects of errors because of magnetization of drillstring components along with variable errors caused by irregularities in the magnetization of crustal rocks in the vicinity of wells. Advanced MSA methodologies divide a borehole into several sections and use the average reference values of the total magnetic field, declination, and dip angle for analysis of errors in each section. Our investigations indicate that the variable-reference MSA (VR-MSA) can lead to a better determination of errors, specifically in areas of high magnetization. In this methodology, magnetic reference values are estimated at each station using forward and inverse modeling of surface-magnetic observations from IFR surveys. The fixed errors in magnetometer components are then calculated by minimizing the variance of the difference between the measured and unique estimated reference values at each station. A Levenberg-Marquardt algorithm (LMA) is adopted to solve the nonlinear optimization problem. Examination of this methodology using MWD data confirms more than 20% improvement in well-path-determination accuracy by comparing the results with the corrected path from the conventional MSA method and gyro surveys.
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 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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».