MétaCan
Menu
Retour à la cohorte
Enregistrement W3103314326 · doi:10.1088/1755-1315/570/3/032046

Experimental investigation on the SAGD dilation start-up in shallow heavy oil reservoirs

2020· article· en· W3103314326 sur OpenAlexaff
Xiaohua Wang, Fengshou Zhang, Jun Sun, Bin Xu

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDilation (metric space)GeologyTime dilationPetroleum engineeringMechanicsMathematicsGeometryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract There are few related researches focused on the steam assisted gravity drainage (SAGD) dilation start-up technology (termed as dilation start-up in this paper), especially with physical modelling experiments. Therefore, in order to better understand the dilation start-up process, several large-scale experiments of SAGD start-up with dual horizontal wells were carried out by using the oil sands from Xinjiang oilfield, northwest China. The dilation process characterized by temperature changes at different positions inside the experimental samples was monitored in real time. The performance differences between dilation start-up and conventional start-up were discussed in detail, and the effects of dilation pressure and dilation time on the dilation process were also studied. The experimental research indicated that dilation start-up can significantly enhance the range of dilation zone and improve the uniformity of dilation zone along the horizontal wellbores. Moreover, it was found that dilation pressure is an essential factor influencing the dilation effect, in that the size and distribution of dilation zone are largely dependent on dilation pressure. The evolution of dilation zone with time shows that a long-time dilation prompts the uniform propagation of dilation zone along the horizontal wellbores.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,024
Tête enseignante GPT0,201
Écart entre enseignants0,177 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207