A Hybrid Analytical and Data-Driven Approach for Improved Prediction of Recovery Performance in Tight Oil Reservoirs
Notice bibliographique
Résumé
Summary The heterogeneity of tight reservoirs, along with their complex geologic characteristics and the diverse completion practices used, presents challenges in developing accurate models to forecast the productivity for multifractured horizontal wells (MFHWs) completed in these reservoirs. This paper introduces a new early-time diagnostic tool that leverages early-time two-phase flowback data to forecast long-term productivity and evaluate completion efficiency. To achieve this, two novel models were developed. The first model, the water/oil-ratio model (WORM), uses a hybrid analytical and data-driven approach to describe the observed log-linear relationship between water/oil ratio (WOR) and load recovery (amount of fracturing water produced back after hydraulic fracturing operations) as an analogy to the log-linear relationship between the water/oil relative permeability ratio and water saturation. Next, a neural network is used to couple WORM parameters with key petrophysical properties to analyze the impact of fracture and formation properties on WOR performance, predict WOR as a function of load recovery, forecast ultimate load recovery, and estimate effective fracture volume and initial water saturation in fracture. The second model, the cumulative oil production model (COPM), is a data-driven model that predicts oil production as a function of load recovery during the matrix-dominated flow regime. The application of WORM and COPM on Niobrara and Codell formation wells showed that Codell wells generally exhibit better load recovery and larger effective fracture volume compared with Niobrara wells, but both formations exhibit similar oil recovery performance, indicating independent flow regimes within the effective fractures. The effective fracture volume estimated by WORM was validated against the estimated volume from recorded microseismic events. The results also showed that using the same completion practice to achieve a similar effective fracture volume in child wells does not necessarily lead to similar oil productivity. This paper introduces a holistic workflow that links early two-phase flowback data with well productivity and completion efficiency and is anticipated to aid petroleum engineers in optimizing hydraulic fracturing operations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».