Hydraulic Fracturing Modeling, Fracture Network, and Microseismic Monitoring
Notice bibliographique
Résumé
Abstract This paper introduces a 3D hydraulic fracturing propagation model (3D-HFPM) for evaluating fracture extension, geometry, stress response, fracture spacing, and potential for refracturing. The model is illustrated with data of the Horn River shale of Canada. The model is developed using a combination of finite element method (FEM) and boundary element method (BEM) for evaluating fluid-flow, fracture deformation, and stress change in the reservoir. The model is calibrated using a limited amount of microseismic observations and recreate the fracture network when microseismic data are unavailable. An adapting meshing algorithm is incorporated to improve the capacity of the model to handle large and complex fracture networks such as the ones found in low permeability reservoirs. The continuity of fracture propagation and fluid leak-off during stimulation may be high enough to connect different production intervals and to create interference between stages, especially in wells with small path fracture spacing and multi-level completions. The comparison between the propagation model and microseismic data shows good agreement as the number of events increases as the fracture propagates into the reservoir. However, using only microseismic data to calculate the extension of the hydraulic fracture results in an overestimation of the fracture length. The model quantifies the altered stress zone, which is helpful to determine possible fracture reorientation and spacing. The evaluation of stress shadow and fracture reorientation reveals the advantages of refracturing using new over old perforations. The operation restores fracture conductivity and increases the fracture network as well as the drainage areas leading to an economic operation. The model improves the characterization of the Stimulated Reservoir Volume (SRV) in tight and shale reservoirs in those cases where microseismic data are scarce. Furthermore, the model is a viable tool for evaluating potential refracturing candidates.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».