کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
1757718 1523015 2015 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Coupling numerical simulation and machine learning to model shale gas production at different time resolutions
ترجمه فارسی عنوان
شبیه سازی عددی زوج و یادگیری ماشین برای تولید مدل تولید گاز شیل در قطعنامه های مختلف زمان
کلمات کلیدی
گاز شیل، شبیه سازی عددی، پد چند جانبه، تطبیق تاریخ تشخیص الگو، فراگیری ماشین،
ترجمه چکیده
پدال گاز مارسیل شیل با شش پانل افقی و 169 خوشه هیدرولیکی به عنوان پایه برای توسعه مدل پراکسی شیل استفاده شده است. علاوه بر این، چندین تحقق برای تعریف عدم قطعیت ذاتی مدل شبیه سازی شیل تعریف شده است. مدل پروکسی با استفاده از یک شبیه سازی کور تایید شده است که در طول فرایند توسعه مدل مورد استفاده قرار نمی گیرد. مدل پراکسی توسعه شیل، نتایج شبیه سازی برای تولید متان را برای شکستگی هیدرولیکی 169 خوشه در یک ثانیه با دقت بالا (خطای <15٪) دوباره تولید می کند، در نتیجه یک تجزیه و تحلیل جامع از تولید از شیل گزینه ای عملی و امکان پذیر است. علاوه بر این، می توان آن را به عنوان یک ابزار تطبیق تاریخچه کمک کرد، زیرا این توانایی را دارد که فضای راه حل را بررسی کند و پاسخ مدل به تغییرات نااطمینی را بسیار سریع تولید کند.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات علوم زمین و سیاره ای (عمومی)
چکیده انگلیسی
A history-matched Marcellus shale gas pad with six horizontal laterals and 169 clusters of hydraulic fracture is used as a base case for shale proxy model development. Additionally, several realizations are defined in order to capture the uncertainties inherent in the shale simulation model. The proxy model is validated using a blind simulation run that is not used during the model development process. The developed shale proxy model re-generates the simulation results for methane production for 169 clusters hydraulic fracture in a second with high accuracy (<15% error), thus making a comprehensive analysis of production from shale a practical and feasible option. Moreover, it can be used as an assisted history-matching tool, since it has the capability to scrutinize the solution space and produce the model response to the uncertainty changes very fast.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Natural Gas Science and Engineering - Volume 25, July 2015, Pages 380-392
نویسندگان
, , ,