Optimization of Fracturing Parameters by Modified Variable-Length Particle-Swarm Optimization in Shale-Gas Reservoir
Notice bibliographique
Résumé
Summary Horizontal drilling and hydraulic fracturing are recognized as the most efficient techniques to enhance recovery in shale-gas reservoirs. Because of the exploitation difficulties and complex flow mechanism in shale gas, it is imperative to focus on the optimization of fracturing parameters. However, most of the current heuristic algorithms follow the principle that the variable dimension is constant during iteration, which leads to poor performance when dealing with dimension-varying problems. The optimization of fracturing parameters can be regarded as a typical dimension-varying problem when considering the difference among fracture properties such as half-length and conductivity. Thus an improved algorithm named modified variable-length particle-swarm optimization (PSO) (VPSO) (MVPSO) was proposed to automatically select the optimal fracturing parameters: the number of fractures as well as the corresponding fracture properties. Then, MVPSO was verified and compared with VPSO by several benchmarks. In addition, a gas/water two-phase model considering gas-adsorption and Knudsen-diffusion effects was used to describe the shale-gas flow in matrix and fracture domains. An embedded discrete-fracture model (EDFM) was applied to model the hydraulic-fracture geometries and fractal methods were adopted to generate the fracture networks. The results indicated that MVPSO showed better performance in both convergence speed and accuracy than that of VPSO, which also provided a new perspective for the optimization of fracturing parameters. Besides, the multispindle-shaped fracture-distribution pattern reached a higher net-present-value (NPV) contrast to that of homogeneous fracture distribution. The decrease of gas price leads to smaller and more nonuniform half-length distribution.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».