A Practical probabilistic history matching framework for characterizing fracture network parameters of shale gas reservoirs
Notice bibliographique
Résumé
Simulating fluid flow in complex fracture systems encountered in subsurface systems, such as those encountered in tight or shale gas reservoirs, presents considerable challenges. Sophisticated numerical techniques and characterization approaches are required to integrate static and dynamic data from multiple sources to account for the intricate interplay between fractures and the surrounding rock matrix. A novel workflow using an indicator-based probability perturbation method (PPM) is applied to characterize uncertain discrete fracture network parameters. The posterior probability distributions of primary and secondary fracture transmissivity, aperture, length, height, and intensity of the secondary fracture are estimated according to the production (flow) histories. A case study based on the Horn River shale gas reservoir is presented. A pilot point scheme is formulated to update the distributions of P32L. The forward modelling entails upscaling each fracture model into a dual-porosity dual-permeability model and performing multiphase flow simulation. This approach produces an ensemble of history-matched discrete fracture and upscaled models by incorporating static and dynamic data. The results demonstrate the utility of the developed method for estimating secondary fracture parameters, which are not inferrable from other static information alone. The inference of both primary and secondary fractures offers a more comprehensive characterization of the fracture networks in tight or shale gas reservoirs. Integrating a pilot point parameterization technique and a sequential simulation approach into the PPM framework presents significant novelties in contributing to a comprehensive and effective method of simulating fluid flow in complex fracture systems, addressing the challenges associated with non-linear relationships between fracture model parameters and the corresponding flow response.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 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 ».