Deep learning-assisted optimization for enhanced oil recovery and CO2 sequestration considering gas channeling constraints
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
Carbon dioxide Enhanced Oil Recovery (CO 2 -EOR) technology guarantees substantial underground CO 2 sequestration while simultaneously boosting the production capacity of subsurface hydrocarbons (oil and gas). However, unreasonable CO 2 -EOR strategies, encompassing well placement and well control parameters, will lead to premature gas channeling in production wells, resulting in large amounts of CO 2 escape without any beneficial effect. Due to the lack of prediction and optimization tools that integrate complex geological and engineering information for the widely used CO 2 -EOR technology in promising industries, it is imperative to conduct thorough process simulations and optimization evaluations of CO 2 -EOR technology. In this paper, a novel optimization workflow that couples the AST-GraphTrans-based proxy model (Attention-based Spatio-temporal Graph Transformer) and multi-objective optimization algorithm MOPSO (Multi-objective Particle Swarm Optimization) is established to optimize CO 2 -EOR strategies. The workflow consists of two outstanding components. The AST-GraphTrans-based proxy model is utilized to forecast the dynamics of CO 2 flooding and sequestration, which includes cumulative oil production, CO 2 sequestration volume, and CO 2 plume front. And the MOPSO algorithm is employed for achieving maximum oil production and maximum sequestration volume by coordinating well placement and well control parameters with the containment of gas channeling. By the collaborative coordination of the two aforementioned components, the AST-GraphTrans proxy-assisted optimization workflow overcomes the limitations of rapid optimization in CO 2 -EOR technology, which cannot consider high-dimensional spatio-temporal information. The effectiveness of the proposed workflow is validated on a 2D synthetic model and a 3D field-scale reservoir model. The proposed workflow yields optimizations that lead to a significant increase in cumulative oil production by 87% and 49%, and CO 2 sequestration volume enhancement by 78% and 50% across various reservoirs. These findings underscore the superior stability and generalization capabilities of the AST-GraphTrans proxy-assisted framework. The contribution of this study is to provide a more efficient prediction and optimization tool that maximizes CO 2 sequestration and oil recovery while mitigating CO 2 gas channeling, thereby ensuring cleaner oil production.
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 | 0,001 | 0,001 |
| 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 découle