MétaCan
Menu
Retour à la cohorte
Enregistrement W4210631640 · doi:10.3390/pr10020245

Review of Marginal Oil Resources in Highly Depleted Reservoirs

2022· article· en· W4210631640 sur OpenAlexaff
Jun Pan, Yingfeng Meng, Ning Sun, Chang Liu, Sheng Yang, Jinze Xu, Wei Wu, Ran Li, Zhangxin Chen

Notice bibliographique

RevueProcesses · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMarginal costOil reservesMarginal utilityPetroleum engineeringPetroleumResource (disambiguation)Marginal valueNatural resource economicsGeologyEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

The term “marginal oil resource” refers to an oil reservoir that has hydrocarbon resource preservation but cannot meet the criteria of resources under the U.S Securities and Exchange Commission (SEC) standards. When oilfields step into their late life, most of their economic petroleum reserves have been well developed, and their focuses need to be switched to their intact marginal resources. In this paper, reservoir characteristics and key petrophysical properties of marginal oil resources are introduced to classify marginal oil resources into four types for identifying potential development opportunities. Primary recovery and its following development strategy are applied to fully utilizing their economic returns. Waterflooding, low salinity waterflooding (LSW) and enhanced oil recovery processes are reviewed to illustrate its potential uplift on oil production and application challenges such as higher clay content in marginal resources than in commercial reservoirs. An oilfield is presented as a case study to demonstrate the classification of marginal resources and illustrate successful economic development including learnings and challenges. This paper highlights the development potential of marginal resources and proposes a clear guidance for policy makers on how to tailor a development strategy supporting their economic development. This review could increase certainty on forecasting performance of marginal resources.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,220 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207