Applications of Geomechanics to Hydraulic Fracturing: Case Studies From Coal Stimulations
Notice bibliographique
Résumé
Summary Modern hydraulic-fracture treatments are designed by use of fracture simulators that require formation-related inputs, such as in-situ stresses and rock mechanical properties, to optimize stimulation designs for targeted reservoir zones. Log-derived stress and mechanical properties that are properly calibrated with injection data provide critical descriptions of variations in different lithologies at varying depths. From a practical standpoint, however, most of the hydraulic-fracturing simulators that are currently used for treatment design use only a limited portion of a geologic-based rock-mechanical-property characterization, thus resulting in outputs that may not completely align with observed outcomes from a fracturing treatment. By use of examples from hydraulic-fracture stimulations of coals in a complex but well-characterized stress environment in Surat Basin of eastern Australia, we obtain the reservoir-rock-related input parameters that are important for the design of hydraulic fractures and also identify those that are not essential. To understand the effect on improving future fracture-stimulation designs, the authors present work flows for pressure-history matching of treatments and subsequent comparison of corresponding geometries with external measurements, such as microseismic (MS) surveys, to calibrate geomechanical models. The paper presents examples discussing synergies, discrepancies, and gaps that currently exist between “geologic” geomechanical concepts in contrast to the geomechanical descriptions and concepts that are used and implemented in hydraulic-fracturing stimulations. Ultimately it remains paramount to constrain as many critical variables as realistically and as uniquely as possible. Significant emphasis is placed on reservoir-specific pretreatment data acquisition and post-treatment analysis. Some of the obvious differences observed between the measured and fracture-model-derived geometries are also presented in the paper, highlighting the areas in fracture modeling where significant improvement is needed. The approach presented in this paper can be used to refine hydraulic-fracture-treatment designs in similar complex reservoirs worldwide.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».