Thermal conductivity of granular porous media: A pore scale modeling approach
Notice bibliographique
Résumé
Pore scale modeling method has been widely used in the petrophysical studies to estimate macroscopic properties (e.g. porosity, permeability, and electrical resistivity) of porous media with respect to their micro structures. Although there is a sumptuous literature about the application of the method to study flow in porous media, there are fewer studies regarding its application to thermal conduction characterization, and the estimation of effective thermal conductivity, which is a salient parameter in many engineering surveys (e.g. geothermal resources and heavy oil recovery). By considering thermal contact resistance, we demonstrate the robustness of the method for predicting the effective thermal conductivity. According to our results obtained from Utah oil sand samples simulations, the simulation of thermal contact resistance is pivotal to grant reliable estimates of effective thermal conductivity. Our estimated effective thermal conductivities exhibit a better compatibility with the experimental data in companion with some famous experimental and analytical equations for the calculation of the effective thermal conductivity. In addition, we reconstruct a porous medium for an Alberta oil sand sample. By increasing roughness, we observe the effect of thermal contact resistance in the decrease of the effective thermal conductivity. However, the roughness effect becomes more noticeable when there is a higher thermal conductivity of solid to fluid ratio. Moreover, by considering the thermal resistance in porous media with different grains sizes, we find that the effective thermal conductivity augments with increased grain size. Our observation is in a reasonable accordance with experimental results. This demonstrates the usefulness of our modeling approach for further computational studies of heat transfer in porous media.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».