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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».