MétaCan
Menu
Retour à la cohorte
Enregistrement W3011347783 · doi:10.2118/199910-ms

Feasibility of Electromagnetic Heating for Oil Sand Reservoirs

2020· article· en· W3011347783 sur OpenAlexaff
Dongqi Ji, Thomas G. Harding, Zhangxin Chen, Mingzhe Dong, Hui Liu, Zhiping Li, Fengpeng Lai

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysical and Geoelectrical Methods
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringSteam injectionElectromagnetic heatingElectric heatingElectromagnetic fieldEnvironmental scienceNuclear engineeringElectromagnetic radiationThermalProcess (computing)Process engineeringMechanical engineeringEngineeringElectrical engineeringComputer scienceOpticsPhysicsMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract For methods of thermal heavy oil recovery, an alternative approach of applying electrical energy, such as electromagnetic heating, can be used to generate heat in reservoirs that are not suitable for steam injection or to improve the economics and reduce environmental impact of the heavy oil recovery compared to using steam injection. While much progress in the development of electromagnetic heating technology has been made in recent years, the ability to accurately and effectively mathematically model the application of an electromagnetic heating process to a reservoir has been limited. In this paper, based on our reliable and efficient electromagnetic heating simulator, the effects of operational parameters on electromagnetic heating performance are investigated including evaluation of antenna location, well constraints, and applied power and frequency. The feasibility of electromagnetic heating in oil sands reservoirs has been examined for two cases: a) a single horizontal well containing a heating source and b) a horizontal well-pair with heating sources located in both wells.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,051
Tête enseignante GPT0,279
Écart entre enseignants0,228 · 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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeophysical and Geoelectrical MethodsTravaux en français237 207