Understanding the Impact of Stimulation Treatment on Gas Production from a Horizontally Drilled Marcellus Shale Well
Notice bibliographique
Résumé
The Marcellus shale is one of the largest unconventional gas shale plays in the United States. It underlies much of Pennsylvania, West Virginia, and New York and even extends under Lake Erie and into Canada. The most effective methods to produce from this play is to drill horizontally into the shale formation and use hydraulic fracturing. Hydraulic fracturing creates pathways for the hydrocarbon to flow from the shale into the wellbore. These lateral sections of the well are typically completed from toe to heel over a number of stages using a plug and perforate method.;This research focuses on a Marcellus shale well drilled in Morgantown, West Virginia. The well was completed using five different fracture designs over a total of 28 stages throughout the lateral. This well served as more of a learning experience than a typical horizontal well. A flow scanner was also run through the well after hydraulic fracturing to discover more information that is typically not acquired in most wells. All data for this well was provided by the Marcellus Shale Energy and Environment Laboratory (MSEEL) research group. The MSEEL participants were Northeastern Natural Energy, Department of Energy, West Virginia University, Ohio State University, and others who reviewed all the collected information. The goal of research group was to improve the understanding the shale characteristics in this region in order to be more efficient in the completion of other wells in this location.;A neural network model was used to examine the efficiency and performance of different completion methods and their impact on gas production. Several input parameters such as plug depth, total shots, natural fractures, measured slurry, measured clean fluid, measured proppant, pump time and stage length were used to predict gas flowrate. Several combinations of training, validation, and testing sets were employed with different number of hidden layer neurons and the best combination was determined.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».