MétaCan
Menu
Retour à la cohorte
Enregistrement W4244227751 · doi:10.2523/84222-ms

A Cost Effective Approach to Modeling and Managing Large Gas Fields

2003· article· en· W4244227751 sur OpenAlexaffabout
Yee David, Poitevien Ricot

Notice bibliographique

RevueProceedings of SPE Annual Technical Conference and Exhibition · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensApache (Canada)
Organismes subventionnairesnon disponible
Mots-clésGas compressorComputer scienceField (mathematics)Natural gas fieldTask (project management)Matching (statistics)Fossil fuelInterference (communication)Stability (learning theory)Systems engineeringEngineeringNatural gasTelecommunications

Résumé

récupéré en direct d'OpenAlex

Management of gas reservoirs can be a difficult task if there is a varying degree of interference between wells. This difficulty increases with well count and the number of compressors and inter-connected processing plants. Numerical simulation of the integrated network and reservoir can help substantially. However, stability issues in complex networks and extensive data requirements have made simulation costly for large and complex projects.With an extremely stable and efficient numerical model combined with data preparation techniques that rely on the use of existing databases and automated techniques, as well as streamlined history matching approaches, it has now become economically viable to use integrated models for large shallow gas properties. Without such a model to predict future performance, there is significant risk of over-building and over-drilling for future development. This paper discusses the setup, calibration and day to day use of an integrated model for a shallow gas field in Southern Saskatchewan, Canada.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,513
Score d'incertitude au seuil0,487

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 Opus0,026
Tête enseignante GPT0,273
Écart entre enseignants0,248 · 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'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

Citations0
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPE Annual Technical Conference and ExhibitionMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207