Insights on formation damage associated with hydraulic fracturing using image analysis and machine learning
Notice bibliographique
Résumé
Abstract Hydraulic fracturing is a well‐recognized technique used to produce as much as possible from unconventional resources. Yet, the communication between the main fracture and the fracture process zone (FPZ) around the primary fracture is still a mystery. Some research was conducted on actual samples to statistically examine the behaviour of these parameters along and parallel to the main fracture and the degree of damage/enhancement induced in the FPZ. Therefore, to understand the formation damage near the hydraulic fracture and its relation to the induced fractures, I am introducing a comprehensive analysis to shed light on some of the observations that I drew through the investigation throughout the previous years. Image analysis was performed on tight core samples under the triaxial compression test in addition to other sources of data and image analysis using data mining and machine learning. The number, length, and aspect ratios of the microcracks were measured. The drainage distance from the main fracture and the development of the microcracks were analyzed. A periodic cycle distribution was apparent around the main fracture and was related to the orientation of the microcracks and the surface roughness of the main hydraulic fracture. These results will help differentiate between the natural and induced microcracks. Additionally, a clear understanding of the relation between the primary fracture and the microcracks, the direction of the microcracks relative to the primary fracture, and the effectiveness of hydraulic fractures in the real world is presented. This work helps find the relation between the natural fractures and the induced fractures in a more realistic way, which helps in the design of the hydraulic fracture implementation and production increase.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».