MétaCan
Menu
← Retour à la cohorte
Enregistrement W4250950735 · doi:10.2523/77683-ms

What is the Magic of Water in Producing Sand?

2002· article· en· W4250950735 sur OpenAlexaffabout
Vaziri Hans, Barree Bob, Yuxing Xiao, Palmer Ian, Mike Kutas

Notice bibliographique

RevueProceedings of SPE Annual Technical Conference and Exhibition · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésExhibitionCitationLibrary scienceMAGIC (telescope)DownloadArt historyComputer scienceWorld Wide WebHistoryPhysics

Résumé

récupéré en direct d'OpenAlex

We performed a comprehensive sand prediction study of several deep, HPHT wells within a large reservoir and the findings revealed that, for these wells, common criteria based on critical drawdown, minimum bottomhole pressure, depletion or fluid velocity failed to predict the outcome by a relatively large margin. All these wells were subjected to relatively high levels of drawdown and also very high fluid velocities and, with the exception of one well, none showed any sanding until water production was encountered. In this paper, we provide a rationale for why water can be highly effective in inducing sand production and we support our argument using advanced numerical modeling. This exercise also ranks the performance of some of the common tools and theories that are conventionally used for sand prediction. We also provide reasons why some of these models do not perform satisfactorily for the cases studied. The originality of the work is in demonstrating that prior to sand production, the dis-aggregated rock (i.e., individual sand particles) around the wellbore is basically held together by the capillary tension which is destroyed by water flow. While the capillary tension appears to be insignificant (as it is in the order of 1 psi or so), it provides a significant resistance against sand mobilization. The importance of this issue has been quantified using advanced numerical modeling. This concept is vastly different from the previous theories that propose water weakens the rock through chemical interaction or changing the relative permeability.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,010
Communication savante0,0090,013
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0250,006

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 Opus0,015
Tête enseignante GPT0,220
Écart entre enseignants0,205 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPE Annual Technical Conference and Exhibition→Même sujetHydraulic Fracturing and Reservoir Analysis→Travaux en français237 207→