Feasibility Analysis and Optimal Design of Acidizing of Coalbed Methane Wells
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
Plugging is a prominent reason for production reduction in coalbed methane (CBM) wells. In order to solve this problem, authors conducted the feasibility analysis and optimal design of acidizing of CBM wells to remove the plugging in Hancheng block (H block) China. First, X-ray diffraction analysis shows that the plugging contains acid-soluble minerals and the field case indicates that acidizing effect is positively correlated with the content of acid-soluble minerals. Inspired by this, authors analyze determining factors of the content of acid-soluble minerals. Well logging parameters (DEN, AC, GR) are selected to establish a neural network model to predict the content of acid-soluble minerals. Furthermore, a feasibility criterion of acidizing of CBM wells is proposed. Then, a forward model and an inversion algorithm are proposed to diagnose the plugging. The multisolution problem of parameters inversion is solved by the Gauss–Marquardt (G-M) algorithm based on the stochastic initial value and maximum probability. Combining this method with the current numerical model of acidizing, authors present an optimal design in order to optimize the volume and injection rate of the acid. Meanwhile, by experimental study, authors propose a new acid formulation. Finally, results have been applied in the field to confirm the feasibility of the acidizing. It turns out that acidizing is an effective stimulation technology for some specific CBM wells, and the feasibility analysis and the optimal design can improve the effect of acidizing of CBM wells.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| 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