Investigation of Non-Ideal Diagnostic Fracture Injection Tests Behavior in Unconventional Reservoirs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Diagnostic fracture injection test (DFIT) has become a valuable tool to quantify reservoir properties and hydraulic fracture characteristics. The pressure decline response of DFIT test reflects the process of fracture closure and the flow capacity of the reservoir. Previous literature provided simplifying assumptions to analysis the DFIT. However, operating companies often face challenges in the DFIT data interpretation due to several complex factors that result in non-ideal DFIT behavior and inconsistent results that lead to significant incorrect estimation of reservoir properties and fracturing parameters, including interaction with natural fractures, heterogeneous rock properties, variable storage, etc. The objective of this paper is to investigate the non-ideal DFIT behavior and factors that affect DFIT data and interpretations. The paper explained the flow regimes observed before closure and after closure during DFIT under complex reservoir conditions of natural fracture activation and fracture tip extension for reliable estimation of reservoir properties and fracture characteristic from actual field DFIT data. The overall fall-off period is analyzed using pressure transient analysis diagnostic plots and leak-off modeling. The transient pressure during the fall-off period is highly affected by the residual leak-off and continuing after flow that could disturb formation flow regimes during the test, affecting the ability to get correct pore pressure or formation permeability. The paper explains the various mechanisms affecting the pressure transient behavior during DFIT and adapts the wellbore and leak-off process to be able to observe reservoir response and get more realistic fracture characteristics and reservoir properties.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle