Miranda Jones（2018）开发出新的工作流程，使用产量不稳定分析、产量历史和压力数据拟合、概率模型和敏感性模型，利用大约150口Eagle Ford反凝析/湿气井的数据来预测储层性质，并研究每种性质对预期采收率(EUR)的影响大小。根据选定的设计，利用裂缝模拟模型预测裂缝参数。选择各项参数的范围，并在此范围内改变参数，在商业软件包中建立一系列模拟生产曲线，进而用于优化Eagle Ford凝析气藏缝间距，结果表明最优缝间距为4.3-6.1 m（14-20 ft），最终采收率可以提高20%并且净现值提高50-60%。
Shea Evans等（2018）展示了缝间距近些年的趋势，结合现场试验评估Eagle Ford缝间距对加密井的影响。探索了一种不同的技术来评估缝间距，该技术可以与现场试验结合使用，以加快油气田的进一步开发。该方法利用一口水平井建立并校正裂缝模型和产量历史拟合油藏模型。然后运行油藏模型进行缝间距敏感性分析，以确定每个方案的产量结果。最后，进行经济分析，计算每种情况的成本，并确定哪些方案是最具性价比的。这项研究中的实例是Eagle Ford页岩区带的一口井，这口井在两口井之间，两侧井距相距100 m，利用模型评估12 m和6 m缝间距的情况，从而确定更优的缝间距。
参考文献
[1] Jones M. Model-based Cluster Spacing OptimizationIncrease Recovery and Profitability in Eagle Ford[C]//SPE-194036-STU, Societyof Petroleum Engineers, 2018: 8.
[2] Evans S,Siddiqui S,Magness J. Impact ofCluster Spacing on Infill Completions in the Eagle Ford[C]//URTeC-2899323-MS, UnconventionalResources Technology Conference, 2018: 13.
