MétaCan
Menu
Retour à la cohorte
Enregistrement W2916228376 · doi:10.2118/0111-0042-jpt

Technology Focus: EOR Performance and Modeling (January 2011)

2011· article· en· W2916228376 sur OpenAlexaboutno aff
Baojun Bai

Notice bibliographique

RevueJournal of Petroleum Technology · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnhanced oil recoveryPetroleum engineeringEmerging technologiesEnvironmental scienceEngineeringComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Technology Focus SPE hosted two enhanced-oil-recovery (EOR) conferences in 2010: One was the 2010 SPE Improved Oil Recovery Symposium in Tulsa and the other was the 2010 SPE EOR Conference at Oil & Gas West Asia, Muscat, Oman. Many other SPE conferences had sessions on EOR technologies. Therefore, it is not surprising that more than 350 papers were presented on the topic in the past year. These papers covered past field-application experiences and accomplishments, current strides, and future directions. As in previous years, when I selected papers to highlight EOR this year, I classified the papers into the categories of gas injection, chemical methods, thermal methods, conformance control, microbial EOR, carbonate-reservoir EOR, reservoir-problem-identification technologies, and novel EOR methods such as low-salinity waterflooding and nanoparticles for EOR. However, it was still quite difficult to select only four to highlight from so many outstanding papers. In the past few EOR features, I highlighted chemical methods, CO2 EOR and sequestration, low-salinity waterflooding, particle gel for conformance control, wettability alteration, and methods to identify reservoir channels. Even though those topics are still quite important and many new ideas and information were presented this year, I decided to give preference to topics not highlighted before and to papers that comprehensively summarize field experiences. Overall, the leading-edge EOR technologies presented in SPE meetings this past year will be applied increasingly on a global scale and will increase the oil recovery of mature oil fields significantly as the technologies mature. EOR Performance and Modeling additional reading available at OnePetro: www.onepetro.org SPE 133089 • “Rock/Fluid Characterization for Miscible-CO2 Injection: Residual-Oil Zone, Seminole Field, Permian Basin” by M.M. Honarpour, SPE, Hess Corporation, et al. SPE 129899 • “Potential for Polymer Flooding Reservoirs With Viscous Oils” by R.S. Seright, SPE, New Mexico Petroleum Recovery Research Center. See SPE Res Eval & Eng, August 2010, page 730. SPE 132487 • “Air Injection in Heavy-Oil Reservoirs—A Process Whose Time Has Come (Again)” by M.G. Ursenbach, SPE, University of Calgary, et al. See J Can Pet Technol, January 2010, page 48. SPE 129925 • “Nanoparticle-Stabilized Supercritical CO2 Foams for Potential Mobility-Control Applications” by David Espinosa, SPE, University of Texas at Austin, et al. SPE 129692 • “Demonstration of Low-Salinity EOR at Interwell Scale, Endicott Field, Alaska” by Jim Seccombe, SPE, BP plc, et al. SPE 139667 • “Tertiary Oil Recovery and CO2 Sequestration by Carbonated-Water Injection” by N.I. Kechut, SPE, Heriot-Watt University, et al. SPE 132359 • “Identifying Injector/Producer Relationships in Waterflood Using Hybrid Constrained Nonlinear Optimization” by H. Lee, University of Southern California, et al.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,736
Score d'incertitude au seuil0,842

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,204
Écart entre enseignants0,193 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Petroleum TechnologyMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207