MétaCan
Menu
Retour à la cohorte
Enregistrement W4234323225 · doi:10.2118/175232-ms

IOR/EOR Monitoring Onshore with Frequent Time-Lapse Seismic

2015· article· en· W4234323225 sur OpenAlexaboutno aff
Jorge López, J. K. Przybysz-Jarnut, Kees Hornman, Albena Mateeva, Marcel Zwaan, Hans Potters

Notice bibliographique

RevueSPE Kuwait Oil and Gas Show and Conference · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnhanced oil recoveryQuality (philosophy)Risk analysis (engineering)Petroleum engineeringComputer scienceGeologyBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract With the recognized cost and complexity of IOR and EOR projects onshore, there is a significant risk of projects not meeting their NPV or production targets, unless cost-effective well and reservoir management plans are in place to mitigate such risks. Time-lapse seismic could provide important and timely information to diagnose and remediate areal conformance issues, if the time-lapse data is of high enough quality and low enough cost to be acquired on a frequent basis. We review the business case, expected value, and affordability of seismic monitoring in IOR/EOR projects and the new technologies that may be used for this purpose. We illustrate these ideas with a case study from the Peace River heavy oil field in Canada, as it is implemented today to monitor steam injection in a relatively shallow reservoir and how it could be implemented in the future to reduce cost and preserve value by judicious adjustment of the frequency of seismic monitoring. We also comment on the challenges and technology options for monitoring of deeper reservoirs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil0,489

Scores Codex et Gemma par catégorie

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

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 Opus0,025
Tête enseignante GPT0,212
Écart entre enseignants0,187 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Kuwait Oil and Gas Show and ConferenceMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207