MétaCan
Menu
Retour à la cohorte
Enregistrement W3086957093 · doi:10.2118/199943-ms

Theory and Implementation of an Approximate Physics Simulator for Heavy Oil Production Forecasting

2020· article· en· W3086957093 sur OpenAlexaffabout
Vahid Dehdari, Clayton V. Deutsch

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensUniversity of AlbertaConocoPhillips (Canada)
Organismes subventionnairesnon disponible
Mots-clésReservoir simulationSteam-assisted gravity drainagePetroleum engineeringProxy (statistics)Oil productionComputer scienceSteam injectionSimulationProduction (economics)Oil sandsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Oil sand reservoirs play an important role in the economy of Canada due to their significant recoverable reserves. Due to the high viscosity of the oil in these reservoirs, conventional methods cannot be used for production. The steam-assisted gravity drainage (SAGD) method is an efficient way of producing oil from these reservoirs. Predicting oil production and steam injection rates is required for planning and managing a SAGD operation. This can be done by simulating the fluid flow with flow simulation codes, but this is very time consuming. The run time for a 3D heterogeneous model with one well pair can exceed 2 days. In this paper, a SAGD approximate simulator for predicting SAGD performance with 3D heterogeneous models of geologic properties is developed. This approximate simulator can handle different types of operating strategies. The approach is an approximate solution using a semi analytical model based on relevant theories including Butler's SAGD theory. The approximate simulator or proxy is much faster than the full simulator and it gives accurate estimated oil production and steam injection rates at different time steps. Theoretical and numerical research has been undertaken to develop the proxy, implement it in fast code, demonstrate the accuracy of prediction and apply to realistic examples. This proxy is used for other applications such as transferring uncertainty for reservoir realizations and well trajectory optimization.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,398
Score d'incertitude au seuil0,285

Scores Codex et Gemma par catégorie

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

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 Opus0,042
Tête enseignante GPT0,311
Écart entre enseignants0,269 · 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 tête enseignante, 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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207