MétaCan
Menu
Retour à la cohorte
Enregistrement W2939786652 · doi:10.1016/j.jngse.2019.04.011

A simulator for production prediction of multistage fractured horizontal well in shale gas reservoir considering complex fracture geometry

2019· article· en· W2939786652 sur OpenAlexaff
Rui-han Zhang, Liehui Zhang, Huiying Tang, Sheng-nan Chen, Yulong Zhao, Jianfa Wu, Keren Wang

Notice bibliographique

RevueJournal of Natural Gas Science and Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesPetroChina Innovation FoundationChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésOil shalePetroleum engineeringGeologyReservoir simulationNetwork modelHydraulic fracturingFracture (geology)Geotechnical engineeringMechanicsComputer science

Résumé

récupéré en direct d'OpenAlex

Shale gas is becoming an increasingly supplementary energy source because of its clean-burning and abundance. Economic gas production in shale requires the techniques of horizontal drilling and multistage hydraulic fracturing to create complex fracture network (CFN). How to accurately describe the characteristics of geometry and flow mechanisms of the CFN and select the most efficient approach for modeling are challenging. In this paper, a production forecasting model for multistage fractured horizontal well (MFHW) with CFN in shale is proposed based on the multiple interacting continua (MINC) theory (organic/inorganic matrix, natural fractures system) and lower-dimensional discrete fracture network (DFN) model (hydraulic fractures system). The model is designed to describe the unconventional flow mechanisms in shale system, such as fractal porous media and non-Darcy multiscale flow in ultra-tight matrix, ad-desorption on organic materials’ surface, rock un-consolidation within natural fractures , high-velocity turbulent flow near well range, and multiphase behaviors. We also propose a novel hybrid control volume finite element (CVFE) and finite-difference (FD) simulation method to obtain the numerical results of the model based on the unstructured 3D tri-prisms. The accuracy of the simulator is successfully validated and sensitivity analysis of some key factors (e.g.: fractal model permeability, Langmuir volume , heterogeneities of reservoir and fractures, well platform) are conducted to evaluate the impacts on production performance. Combing with the micro-seismic monitoring (MSM) data and engineering analyses, the DFN model is applied in Longmaxi shale formation to obtain the history matching with the field data and predict the production.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), 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

Citations71
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Natural Gas Science and EngineeringMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207