Dynamic Integration of DTS Data for Hydraulically Fractured Reservoir Characterization with the Ensemble Kalman Filter
Notice bibliographique
Résumé
Abstract The deployment of fiber-optic-based distributed temperature sensing (DTS) in hydraulically fractured wells has enabled us to observe the dynamic temperature profile along the wellbore during treatment, flow back and production not only as a postprocessing step but also in real-time monitoring applications of the hydraulic fracturing process. Fracture initiation points, vertical coverage and number of created fractures can be identified by DTS data. However, to evaluate the well performance, optimize future treatments and better understand fracture modeling, additional accurate quantitative information such as fracture conductivity and geometries need to be inferred from DTS data. In this study, we propose to set up a stochastic inverse problem to infer hydraulic fracture characteristics such as fracture conductivity and geometries by integrating real-time DTS monitoring data. We develop a synthetic non-isothermal simulation model containing a horizontal well with multi-stage transverse hydraulic fractures amenable for realist real-time DTS data. We also provide a comprehensive understanding of the effectiveness of different fracture and reservoir parameters in the monitored temperature data by means of sensitivity analysis. To estimate the hydraulic fracture characteristics, we employ the ensemble Kalman filter (EnKF), an ensemble based sequential model updating method, to assimilate DTS data. The EnKF enables us to perform quantitative fracture characterization and automatic history matching. The EnKF also offers several advantages for this application, including the ensemble formulation for uncertainty assessment, convenient gradient-free implementation, and the flexibility to incorporate additional monitoring data types. Examples are presented to illustrate the suitability of the EnKF-based fracture characterization for the inversion of DTS data to infer fracture geometries and conductivity. We demonstrate that by means of the EnKF we can identify accurately fracture halflength and fracture permeability from temperature inversion.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».