Optimization design of horizontal well fracture stage placement in shale gas reservoirs based on an efficient variable-fidelity surrogate model and intelligent algorithm
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Hydraulic fracturing technique increases shale gas well productivity significantly. Horizontal well fracture optimization has been studied by many researchers worldwide in the past decade. However, most of these researches relied on computationally expensive numerical simulation models for objectives evaluation during the optimization process. This affects the optimization efficiency significantly. To address this issue, surrogate model methods which adapt a simple approximate model are employed to lessen the computational burden. In this study therefore, a novel intelligent variable-fidelity radial basis function (VFRBF) surrogate-assisted model for multi-objective fracture stage placement optimization, namely VFRBF-FSO, is proposed to reduce the computational burden of the numerical simulation-based production optimization. In the VFBRF-FSO method, low-fidelity (LF) and high-fidelity (HF) samples were adopted simultaneously to establish the variable-fidelity (VF) surrogate model. To the best of our knowledge, this is the first time that variable-fidelity model is used for shale gas horizontal well fracture stage placement optimization. The uniqueness of this proposed method is that a scaling factor and an augment matrix are used to integrate the LF and HF samples to increase the accuracy of the surrogate model. Moreover, two cases with different wells and well types were studied to illustrate the effectiveness and accuracy of the VFRBF-FSO method. The optimization results showed that the VFRBF-FSO method performed comparably with the HF model-based method in terms of convergence and diversity. However, the VFRBF-FSO reduced the simulation runs on the two cases with different wells and fracture types to about five times that of the HF model.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle