MétaCan
Menu
Retour à la cohorte
Enregistrement W4234956817 · doi:10.2118/2007-028

Monitoring and Modelling in Coupled Geomechanics Processes

2007· article· en· W4234956817 sur OpenAlexaff
M.B. Dusseault

Notice bibliographique

RevueCanadian International Petroleum Conference · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological Modeling and Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGeomechanicsComputer scienceSystems engineeringGeologyGeotechnical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Geomechanics issues are vital in all reservoir processes, but particularly so in weak, unconsolidated sandstones. Coupled stress-flow simulation is necessary to analyse and understand effects such as changes in reservoir volume that arise from heating and pressurization, and non-linear plasticity models that incorporate shear dilatancy are needed to simulate the dilation effects that are observed in any thermal process in sands. Coupling of flow and stress is based on the volume changes that arise with changes in pressur and temperature. Incorporating shear dilation is based on computation of effective stresses from ΔT andΔp, then assessing the state of the rock to see if and how much it shears and dilates. These processes are ill-quantified at present, so it is necessary to monitor. The two monitoring domains that are of greatest interest to coupled geomechanics simulation are the deformation field and the seismic attributes field. More specifically, how these fields evolve in space and with time are the key factors to tracking processes to calibrating geomechanics models, and to the successful optimization of complex in situ processes. A general geomechanics view of how to achieve process monitoring and optimization goals is presented in a general fashion. Further progress in the areas of monitoring, inversion, and geomechanics simulation is needed, although recent developments have advanced these aspects. Introduction Conventional monitoring in petroleum engineering addresses pressure, temperature, and rate measurements, as well as providing some data collected by wellbore logs such as temperature or rate surveys (e.g., spinner surveys). Oil, gas and water production and injection rates are required for both regulatory and engineering purposes to help calculate saturations and recovery factors (RF). Changes in reservoir response were commonly assessed using classical well tests and analyses.[i,ii] Because classic reservoir simulation in conventional low-viscosity cases deals only with Darcy and Fourier mass and heat transport, as well as saturation and relative permeability calculations, these measures were deemed sufficient for reservoir management. Flow rates from meters (multiphase) and well capacities based on well testing, combined with data on facilities capabilities, are also used for production optimization. iii These measures are insufficient for more challenging cases such as heavy oil (HO) thermal extraction, HPHT reservoirs, highly compacting reservoirs, and new gravitationally dominated technologies. In these cases, we may be interested in new measures, such as the reservoir volume change (ΔV), gas saturation change in situ (ΔSg), swept volume, and so on. These cannot be measured by conventional p-T-Q methods or even geophysical wellbore logging. Furthermore, in cases of major changes of properties in situ, involving shear dilation, compaction, or fracturing, understanding what is happening requires different monitoring and simulation methods. New monitoring measures have emerged in use or are now in a field research mode, based on direct, indirect, or remote measurements. Furthermore, with increasing computing power, several methods which have remained underutilized should soon see application in the field.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
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 Opus0,031
Tête enseignante GPT0,225
Écart entre enseignants0,194 · 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'étudeSimulation ou modélisation
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian International Petroleum ConferenceMême sujetGeological Modeling and AnalysisTravaux en français237 207