A novel injectivity decline prediction model for waterflooding with analytical solutions and field applications
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
Well injectivity decline during waterflooding is primarily attributed to retention of injected particles within pores, subsequently blocking flow channels in near-wellbore regions. Developing a predictive model to describe this problem holds significant value as it can inform the development of strategies aimed at preventing or mitigating such damage. Previous research has typically assumed a linear suspension flow or a constant filtration coefficient, which does not represent the near-wellbore suspension flow very well. In this paper, an analytical model for the radial suspension transport in porous media is derived based on the Langmuirian blocking filtration mechanism. Considering the dimensionless distance from the wellbore as a small parameter, we attain the analytical solution through an asymptotic expansion. To provide a basis for comparison, we also obtain numerical solutions using Shampine’s code, which is based on the explicit central finite difference method. Comparison of the analytical and numerical solutions shows that their difference errors remain below 5% under waterflooding conditions. Based on the analytical solution for retained particle concentration, expressions for injection pressure, damage factor and damaged zone radius are also derived and are also expressed explicitly. In the end, we discuss two practical applications of our model: evaluation of existing acidizing jobs and designing new acidizing jobs, based on real field data from Tarim Basin, western China. The results indicate our model is practical in field operations.
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 | 0,000 | 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