Results from a Collaborative Industry Study on Parent/Child Interactions: Bakken, Permian Basin, and Montney
Notice bibliographique
Résumé
Abstract This paper presents results from a collaborative industry study involving ten high-quality pad-scale datasets from the Delaware Basin, Midland Basin, Bakken, and Montney. The study had three primary goals: (a) compare/contrast observations between each dataset, (b) identify general strategies that can be used to mitigate parent/child impacts, and (c) provide concrete recommendations to optimize fracture design and well placement. For each dataset, an integrated hydraulic fracturing and reservoir simulation model was constructed and history matched to the observations. The models were calibrated to production data and pressure measurements, as well as to diagnostics such as: distributed acoustic sensing (DAS), microseismic, downhole imaging, chemical tracers, geochemical production allocations, and pressure observations from offset wells. History matching was performed by varying formation properties and model inputs to ensure consistency with the observations. Once the models were calibrated, the same set of approximately 120 sensitivity analysis simulations was performed on each model. Finally, an automated algorithm was used to quantitatively optimize fracture design and well placement to maximize economic performance. At each step in the process, the results were analyzed to identify the similarities and differences between the datasets and to explain why. The results show how differences in stratigraphy, well configuration, fracture design, and formation properties drive differences in parent/child phenomena. Optimal strategies to mitigate challenges depend on these site-specific conditions. Negative impacts from parent/child interactions cannot be entirely avoided. There is no strategy that can prevent the most important cause of child well underperformance – that wells are attempting to produce hydrocarbons from rock that has already been significantly depleted by parent well production. However, strategic design choices and quantitative economic optimization can significantly improve net present value and return on investment.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».