A practical framework for modeling flow in uncertain geometries
Notice bibliographique
Résumé
Gas leakage in hydrocarbon wells often arises due to shrinkage and the formation of microannuli along the cement-casing and cement-formation interfaces. These microannuli develop from inconsistencies during primary cementing and operational challenges, ultimately compromising well integrity. Squeeze cementing is a widely used remediation technique in which a pressurized cement slurry is injected into these defects to restore zonal isolation. However, its success rate remains relatively low due to significant uncertainties in microannulus geometry, slurry behavior, and evaluation methods.Our proposed framework builds upon the stochastic leakage model developed by Trudel and Frigaard, which predicts potential leakage pathways based on field data from British Columbia, Canada. We extend this approach by incorporating a physical model to describe the invasion of viscoplastic slurries into these pathways. A Monte Carlo method is employed to simulate the injection of yield-stress slurries into irregular microannuli, providing probabilistic predictions of squeeze cementing outcomes and highlighting the inherent variability in the process.This study explores various operational scenarios, emphasizing the impact of slurry rheology and other key factors influencing microannulus repair. By integrating probabilistic modeling with a detailed analysis of fluid behavior, we aim to reduce uncertainties, enhance the success rate of squeeze cementing, and propose practical strategies for achieving effective zonal isolation and mitigating gas migration in hydrocarbon wells.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| 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 | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».