Numerical Simulation of Proppant Embedment Depth in Inhomogeneous Formation Based on Field Variables Method
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Hydraulic fracturing, a deep formation resource extraction method, is widely used to extract oil, gas, and geothermal resources, where fracturing fluids and proppants are usually injected to support the hydraulic fractures that transport the resources. After fracturing fluid loss, there will be the embedding process of proppant in inhomogeneous formations. To understand the mechanism of this phenomenon, the study comparatively investigated the embedding process of proppant in homogeneous formations, layered formations, and continuously varying inhomogeneous formations with finite element methods. Specifically, formation properties, in terms of the inhomogeneous formations, are defined as the nonlinear function of a constant position with the field‐variable (FV) method. The results show that equating nonhomogeneous formation to homogeneous formation underestimates the depth of proppant embedment in actual hydraulic fractures, which varies with proppant size. Next, the underestimation of proppant embedment in homogeneous formation, in turn, results in an overestimation of hydraulic fracture permeability. The FV method can more accurately characterize the proppant embedding process in inhomogeneous formations and reflect the fracture permeability after proppant embedding. Further, the advantages, limitations, and future research directions of this study are discussed.
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.
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 | 0,000 |
| 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 découle