A Modified Multiple-Mixing-Cell Method with Sub-Cells for MMP Determinations
Notice bibliographique
Résumé
Minimum miscible pressure (MMP) is an essential design parameter of gas flooding for enhanced oil recovery (EOR) applications. Researchers have developed a number of methods for MMP computations, including the analytical methods, the slim-tube simulation method, and the multiple-mixing-cell (MMC) method. Among these methods, the MMC method is widely accepted for its simplicity, robustness, and moderate computational cost An important version of the MMC method is the Jaubert et al. method which has a much lower computational cost than the slim-tube simulation method. However, the original Jaubert et al. method suffers several drawbacks. One notable drawback is that it cannot be applied to the scenario where the oil-gas MMP is lower than the saturation pressure of the crude oil. In this work, we present a modified MMC method that is more versatile and robust than the original version. Our method can handle the scenario where the oil-gas MMP is lower than the saturation pressure of the crude oil. Besides, we propose a modified MMC model that can reduce the computational cost of MMP estimations. This modified model, together with a newly proposed pressure search algorithm, increases the MMP estimation accuracy of the modified method. We demonstrate the good performance of the modified MMC method by testing it in multiple case studies. A good agreement is obtained between the MMPs calculated by the modified method and the tie-line-based ones from the literature.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».