MétaCan
Menu
Retour à la cohorte
Enregistrement W3101552229 · doi:10.6180/jase.201812_21(4).0016

Feasibility Analysis of Early Gas Monitoring at the Bottom of Marine Riser in Deepwater Drilling

2018· article· en· W3101552229 sur OpenAlexaff
Xiangyu Wang, Zhichuan Guan, Yangyang Tian, Shiqian Xu

Notice bibliographique

RevueJournal of Applied Science and Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésWellheadPetroleum engineeringDrillingWellborePermeability (electromagnetism)Deepwater drillingGeologyEnvironmental scienceMarine engineeringPetrologyEngineeringChemistryMechanical engineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Gas influx is a phenomenon which causes serious outcome, and consequently the early and accurate detection of gas influx is crucial for deepwater drilling operation security. The detection method outside marine riser (DMOMR) is widely utilized in deepwater drilling as a complement of the traditional wellhead detection method (WDM). In this study, an extended two-fluid model (TFM) is developed to describe the gas-liquid two-phase flow when gas influx occurs and to compare the advantages of the DMOMR and the WDM in marine riser. By comparing the simulation results with the measured data of a well in the Bohai Sea, China, it is demonstrated that this model provides an excellent description for the gas-liquid two-phase flow in marine riser. The tip gas position, overflow and detection time are predicted using this model, and parameters such as water depth, wellbore depth, and formation permeability and equivalent density are controlled to vary respectively. The comparisons present that the DMOMR can detect gas influx in advance than the WDM under most conditions, and the lead time of the DMOMR increases by the increasing water depth and reducing wellbore depth. Moreover, the simulation results agree that the DMOMR has a great advantage in low or medium permeability (< 300 mD) formation and lower pressure formation. With the increase of formation permeability and formation equivalent density, the advantage of the DMOMR weakens compared with the WDM.

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)0,001
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 enseignants0,165
Score d'incertitude au seuil0,404

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Science and EngineeringMême sujetDrilling and Well EngineeringTravaux en français237 207