Model and application of CO2-EOR injection and production parameters for high pour-point oil reservoirs: A case study of SUBEI A reservoir
Notice bibliographique
Résumé
Addressing the poor waterflooding performance (characterized by high injection pressure and high water cut) in the high-viscosity oil reservoir of Block A, Eastern China, this study systematically investigated the impact mechanisms of CO 2 flooding injection-production parameters via PVT experiments, numerical simulations, and multi-factor optimization. Results demonstrate that CO 2 exerts significant viscosity-reducing and swelling effects on high-viscosity crude oil, with its oil recovery efficiency being substantially higher than that of waterflooding. Ranking of influencing factors using the Spearman correlation coefficient reveals that CH 4 can notably reduce the gas-oil ratio during CO 2 flooding; moreover, a well pattern with gas injection in the upper section and oil production in the lower section enhances the recovery rate to 23.28 %. Additionally, a recovery rate prediction model R f = 18.24 + 0.092 R + 0.068 S + 0.004 P 2 − 0.185 P − 0.063 V with a fitting degree of 97.6 % was established. This research provides a scientific basis for optimizing CO 2 flooding injection-production parameters in high pour-point oil reservoirs and offers valuable guidance for the development of analogous reservoirs. • Optimization of injection and production parameters for high-pour-point oil. • The spearman sorting algorithm was used to rank the influencing factors hierarchically. • The injection and production mathematical model of high pour point oil was proposed. • The model has a high prediction accuracy rate.
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 | 0,001 | 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 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 ».