MétaCan
Menu
← Retour à la cohorte
Enregistrement W3097220259 · doi:10.3390/en13215685

An Improved Set of Design Criteria for Slotted Liners in Steam Assisted Gravity Drainage Operation

2020· article· en· W3097220259 sur OpenAlexafffund
Chenxi Wang, Mohammad Haftani, Jesus David Montero Pallares, Alireza Nouri

Notice bibliographique

RevueEnergies · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaRGL Reservoir Management
Mots-clésSteam-assisted gravity drainageWellborePetroleum engineeringEngineeringProductivityDrainageProduction (economics)Set (abstract data type)Environmental scienceComputer scienceOil sands

Résumé

récupéré en direct d'OpenAlex

Slotted liners are widely used in steam-assisted gravity drainage (SAGD) wells to control sand production and sustain wellbore productivity. The slotted liner can provide desirable performance when appropriately designed. A literature review indicates a limited number of studies that offer design criteria specifically for SAGD wells. Moreover, past criteria seem to neglect some key factors, which may lead to inadequate slot design. This paper proposes a set of graphical design criteria for slotted liners in SAGD production wells, using prepacked sand retention testing (SRT) data. The SRT is designed to incorporate several essential factors that are not present in the past design criteria, such as slot density, steam breakthrough, and particle size distribution (PSD). The proposed design criteria are presented graphically for normal and aggressive conditions, where the aggressive condition accounts for the potential occurrence of the steam breakthrough. It is found that the upper bound of the design window is substantially lower for the aggressive condition due to the higher sand production after the steam breakthrough. The design criteria also indicate that the slotted liner is suitable only for the formations with low fines content.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,031
Tête enseignante GPT0,280
Écart entre enseignants0,249 · 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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergies→Même sujetHydraulic Fracturing and Reservoir Analysis→Travaux en français237 207→