Wellbore Pressure Inversion Model Based on Wavelet Analysis During Gas Kick
Notice bibliographique
Résumé
Summary Wellbore flow calculation is critical for managed pressure drilling during the kick. However, the wellbore pressure inversion calculation faces challenges due to undefined invasion boundary conditions. This paper establishes a forward model of wellbore pressure based on the wellbore flow and heat transfer model, which is solved by the finite difference method. Then, a method for calculating pressure wave propagation and attenuation is developed through the flow governing equations and small disturbance theory. Furthermore, the kick pressure fluctuation is quantitatively extracted by wavelet analysis and frequency spectrum analysis, which is considered as the inversion model boundary. Finally, a fast kick inversion method integrating forward and inverse models is proposed by combining the flow model, heat transfer model, wave propagation method, and pressure wave boundary. The results demonstrate that the gas kick will cause the spectrum of pressure signals processed by wavelet analysis to transition from a single peak to dual peaks. Using these abrupt signals as inversion boundaries, the wellbore pressure inversion combined with the forward model successfully achieves efficient computation. The results show that the mean relative errors of the standpipe pressure, bottomhole pressure and gas holdup of the inversion results are approximately 0.032, 0.004, and 8%, respectively. The inversion model maintains effective for formation pressure changes within 4 MPa. The inversion model is expected to provide a new auxiliary method for real-time monitoring and wellbore pressure management.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».