Technical evaluation of the feasibility for implementing a sagd process in heavy oil reservoirs
Bibliographic record
Abstract
El proceso de drenaje gravitacional asistido con vapor SAGD, ha sido aplicado exitosamente en los yacimientos de arenas bituminosas de Alberta, Canadá a tal punto de ser catalogada como una tecnología comercialmente probada. Sin embargo, una de las principales limitaciones para la expansión de este método más allá de las fronteras canadienses radica en que no se ha determinado con exactitud el efecto de la movilidad del crudo sobre los resultados del proceso. Bajo este orden de ideas, y teniendo en cuenta la existencia en países latinoamericanos como Colombia y Venezuela de yacimientos de crudo pesado que por sus características particulares no han podido ser desarrollados bajo otros métodos de recobro, resulta de gran interés y actualidad llevar a cabo un estudio donde se determine si es posible o no aplicar SAGD en yacimientos cuyas propiedades difieran de aquellas para las cuales el método fue desarrollado originalmente. En este estudio se evalúa en un modelo de simulación 2D el efecto de propiedades como viscosidad, permeabilidad, espesor y presencia de acuífero sobre el factor de recobro, producción de agua y relación aceite vapor. Así mismo, se muestra el impacto de las variables de diseño en los pozos productor e inyector al implementar SAGD en cuatro diferentes escenarios de producción: yacimientos homogéneos y heterogéneos con y sin acuífero de fondo. Finalmente, se presenta el diseño del proceso SAGD para un piloto de campo en un yacimiento de crudo pesado colombiano con presencia de acuífero, determinando para este la localización óptima con respecto al acuífero y seleccionando los parámetros de pozo que mejores resultados arrojan. Los resultados finales son contrastados con los obtenidos al implementar estimulación cíclica con vapor.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".