MétaCan
Menu
Retour à la cohorte
Enregistrement W2973234355 · doi:10.2118/195895-ms

When is There Too Much Fracture Intensity?

2019· article· en· W2973234355 sur OpenAlexaboutno aff
Ashley Cote, N.M. Cameron, Daniel B. Grunberg

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFracture (geology)Intensity (physics)GeologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract A distinct shift in wellbore fracture stimulation events has occurred within the Western Canadian Sedimentary Basin (WCSB) over the last 5 years. New designs, commonly referred to as "increased fracture intensity designs," are characterized by an increased number of fracture stages, decreased fracture spacing, and resulting increases in water and proppant required per stimulation. Existing technology applied in increased fracture intensity designs include: Open Hole Ball and Seat technology, Coil Activated sleeves, Plug and Perforating, as well as hybrid designs that combine several technologies. Increased fracture intensity designs have contributed to improved production rates and increased reserves and, as a result, have quickly become the preferred approach to hydraulic fracture stimulation of the reservoir. Promising hydraulic fracture designs and decreased spacing designs run the risk of being applied broadly without discrimination. Without proper retrospective or hindsight, there is a risk of over applying this new approach with false assurances of its success rates. It is therefore important to determine whether and at what point increasing fracture intensity generates diminishing returns. This paper provides 3 retrospective case studies within the regions of the greater Montney and Cardium formations where increased fracture intensity designs have led to decreased well production as well as decreased reserve allocation. We further examine the various components of increased fracture intensity designs to pinpoint areas where design optimization may have prevented these outcomes.

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)0,005
score de la tête « metaresearch » (Gemma)0,018
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,230

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,005
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,010
Tête enseignante GPT0,225
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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207