A Semiempirical Model for Rate of Penetration with Application to an Offshore Gas Field
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Summary In this paper, we present an accurate semiempirical rate of penetration (ROP) predictive model for polycrystalline diamond compact (PDC) bits. Our model is inspired by the model of Bourgoyne and Young (B&Y) and follows an exponential form with 10 different drilling functions to account for various factors affecting ROP in drilling operations. We extend the B&Y model to the PDC bits and discuss that a different predictive model should be obtained for each formation. On top of the factors included in the original B&Y model, our model accounts for parameters such as downhole motor, equivalent circulating density, mechanical weight on bit (WOB), and wellbore inclination. In particular, we incorporate the effect of equilibrium cuttings bed thickness and downhole cuttings concentration in the ROP model. The parameters of the model are obtained using multiple regression analysis with the field data. The importance of obtaining a formation-based ROP model is tested and verified with field data, and an algorithm to determine the parameters for new data is provided. The model can be incorporated in a framework to obtain an optimal well plan for a new well or for prescribing optimal operational parameters for well planning and real-time drilling operations. The prediction performance of the proposed model is also evaluated in various formations for several test wells across an offshore gas field. Our results indicate that the proposed model is able to predict the drilling ROP with an accuracy of more than 90%.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle