MétaCan
Menu
Retour à la cohorte
Enregistrement W2959531857 · doi:10.1021/acs.energyfuels.9b00712

In Situ Sequestration of a Hydraulic Fracturing Fluid in Longmaxi Shale Gas Formation in the Sichuan Basin

2019· article· en· W2959531857 sur OpenAlexaff
Bin Yang, Hao Zhang, Yili Kang, Lijun You, Jiping She, Kun Wang, Zhangxin Chen

Notice bibliographique

RevueEnergy & Fuels · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésHydraulic fracturingOil shalePetroleum engineeringImbibitionFracturing fluidShale gasProduced waterGeologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Due to high salinity and complex components including varied inorganic salts, organic agents, released heavy metals, radioactive elements and clastic particles, environmental and economical treatments of a huge amount of flowback wastewater from shale gas wells have attracted both public concerns and industrial interest. Unlike the existing methods such as deep well reinjection and recycling, this paper explores the feasibility of directly reserving an injected hydraulic fracturing (HF) fluid in a shale formation utilizing its strong capillary imbibition and permanent sequestration capacity. Fluid imbibition-flowback and nuclear magnetic resonance experiments are conducted to check the microscopic reliability: once being imbibed into shale, only less than 20% of the total fluid is driven out even under a pressure gradient of 22.1–62.6 MPa/m. Macroscopic flowback data from Longmaxi shale gas wells in the Sichuan Basin further demonstrates that by adding 10–30 days to current shut-in operations the flowback rates of a HF fluid decrease approximately 5–15%, meaning a reduction of 2000–6000 m 3 wastewater per single well without extra technical procedures or additives. Moreover, fractured sample displacement experiments, simulations, and field data statistics confirm that extending shut-in time causes an overall improvement in well productivity and flowback fluid quality.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,210
Écart entre enseignants0,202 · 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'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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207