Evaluating Fracture Volume Loss During Flowback and Its Relationship to Choke Size: Fastback vs. Slowback
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
Summary In this study we estimated the initial effective fracture pore volume (Vfi) and fracture volume loss (dVef) for 21 wells completed in the Montney and Eagle Ford formations. We also evaluated the relationship between dVef and choke size. First, we applied rate-decline analysis to water-flowback data of candidate wells to estimate the ultimate water recovery volume, approximated as Vfi. Second, we estimated dVef using a fracture compressibility relationship to evaluate the fracture volume loss of the Eagle Ford wells. Third, we investigated the effect of choke size on dVef for the Eagle Ford fastback and slowback wells. Semilog plots of flowback water rate vs. cumulative water volume show straight-line trends, representing a harmonic decline. The estimated Vfi accounts for approximately 84 and 26% of the total injected water volume (TIV) of the Montney and Eagle Ford wells, respectively. The results show that approximately 10% of the fracture volume is lost during flowback. This loss in fracture volume predominantly happens during the early flowback and becomes minimal during the late flowback period. The results show a relatively higher dVef for fastback (a flowback process with a relatively large choke size) wells compared with that for slowback (a flowback process with a relatively small choke size) wells. In this study we proposed a method to estimate the initial fracture volume and investigated the loss in fracture volume during the flowback process. Analyses of the field data led to an improved understanding of the factors that control water flowback and the effective fracture volume.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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