MétaCan
Menu
Retour à la cohorte
Enregistrement W4303710001 · doi:10.46690/ager.2023.01.07

Understanding hydraulic fracture mechanisms: From the laboratory to numerical modelling

2022· article· en· W4303710001 sur OpenAlexafffund
Aly Abdelaziz, Johnson Ha, Mei Li, Earl Magsipoc, Lei Sun, Giovanni Grasselli

Notice bibliographique

RevueADVANCES IN GEO-ENERGY RESEARCH · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnergi Simulation
Mots-clésFracture (geology)GeologyHydraulic fracturingBedGridMultiphysicsAnisotropyOil shaleGeotechnical engineeringBeddingMechanicsGeometryStructural engineeringMathematicsEngineeringFinite element method

Résumé

récupéré en direct d'OpenAlex

The development of fracture networks associated with hydraulic fracturing operations are extremely complex multiphysics processes and there is still no accepted methodology for mapping or realistic recreating such fracture networks. This is an issue especially for modeling purposes, as, ideally, an accurate numerical representation, and subsequent numerical model, should be able to honor the trajectory, type, connectivity, and geometric properties of the complex fracture network generated. This research proposes a novel framework capable of conducting fluid flow numerical simulations based on mapped fracture networks induced during hydraulic fracturing laboratory experiments where a shale sample, under true triaxial reservoir stress conditions, is subjected to fluid injection to mimic a single stage open-hole in-situ hydraulic fracture operation. The resulting post-test fracture network of the shale sample is filled with fluorescent dyed epoxy and subsequently imaged. The images are segmented, and individual fractures are classified based on their geometrical characteristics, as parted bedding planes, opened natural fractures, and newly generated hydraulic fractures. The digital fracture network is numerically represented for fluid flow simulation using a dual-porosity model within the finite volume method. In the numerical reconstruction, fractures are implicitly represented in a set of cells with virtual fracture aperture. The properties of each grid cell are assigned based on fracture classification, and flow between grid cells is explicitly assigned based on the connectivity of the grid cells. Findings show faster fluid drainage parallel to bedding planes (horizontal) than in the vertical direction, indicating strong fluid flow anisotropy. Cited as: Abdelaziz, A., Ha, J., Li, M., Magsipoc, E., Sun, L., Grasselli, G. Understanding hydraulic fracture mechanisms: From the laboratory to numerical modelling. Advances in Geo-Energy Research, 2023, 7(1): 66-68. https://doi.org/10.46690/ager.2023.01.07

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)0,001
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 enseignants0,993
Score d'incertitude au seuil0,631

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,051
Tête enseignante GPT0,294
Écart entre enseignants0,243 · 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

Citations44
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueADVANCES IN GEO-ENERGY RESEARCHMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207