MétaCan
Menu
Retour à la cohorte
Enregistrement W4407393252 · doi:10.1080/01932691.2025.2462697

Quantitative characterization of spontaneous and forced imbibition during soaking process in tight oil reservoirs

2025· article· en· W4407393252 sur OpenAlexaff
Ziqing Liu, Long Xu, Shifan Wu, Hongyu Ding, Houjian Gong, Hailong Zhao, Hai Sun, Mingzhe Dong

Notice bibliographique

RevueJournal of Dispersion Science and Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésImbibitionPetroleum engineeringCharacterization (materials science)Tight oilProcess (computing)GeologyChemistryEnvironmental scienceChemical engineeringMineralogyMaterials scienceOil shaleAgronomyNanotechnologyEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

During the soaking process after hydraulic fracturing in tight reservoirs, the imbibition between matrix and fracture is an important mechanism for enhancing oil recovery. The soaking pressure acts on the matrix-fracture system in the form of external pressure difference to establish a dynamic-imbibition process. In this study, a core-scale numerical model is developed based on experimental data to study the dynamic-imbibition mechanism under non-zero initial water saturation quantitatively. The simulation results show that the enhancement extent of capillary pressure to the matrix oil mobilization is more significant under conditions of higher external pressure difference. Furthermore, the contributions of spontaneous imbibition (SI) and forced imbibition (FI) to the mobilization of matrix oil are 8.74% and 91.24% respectively. Then, effects of the oil-water viscosity ratio (VROW), matrix initial water saturation (MIWS), and fracture on SI and FI are analyzed in depth. As the MIWS increases from 0.27 (bound water) to 0.3, SI and FI decrease by 64.43% and 10.01%. The increase of VROW, MIWS, and fracture number tends to enhance the contribution of FI. This work is pivotal for gaining profound insights into imbibition and improving tight oil recovery through hydraulic fracturing development.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,276
Score d'incertitude au seuil0,174

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,251
Écart entre enseignants0,245 · 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'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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dispersion Science and TechnologyMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207