MétaCan
Menu
Retour à la cohorte
Enregistrement W1904121211 · doi:10.3968/5191

Application of Conventional and Constant-Rate Mercury Injection on Microscopic Pore Structure Research

2014· article· en· W1904121211 sur OpenAlexvenueno aff
Chen Ling-yun, Yikun Liu, Lihua Xia, Qian Liu

Notice bibliographique

RevueAdvances in petroleum exploration and development · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueGeoscience and Mining Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)KurtosisSkewnessPorosityStandard deviationMineralogyChemistryPermeability (electromagnetism)Normalization (sociology)Materials scienceMembraneComposite materialMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Microscopic pore structure features for cores in different formations are studied by conventional mercury method and constant-rate mercury method. With constant-rate mercury injection data, distribution curve feature of pore parameters are related with permeability, which including body radius, throat radius and aspect ratio distribution curve; the statistics parameters (skewness, standard deviation and kurtosis) for above three pore features are also analyzed and related to macroscopic parameters, including permeability and porosity. With conventional mercury injection data, major factors affecting reservoir producing in microscopic pore are screened with statistics methods, normalization Pc-curves are made by J function method including withdrawal curves, and compared on different permeability and formations; relationship between microscopic pore structures features and reservoir producing is analyzed, which need further research. Key words : Conventional mercury injection; Constant-rate mercury injection; Producing state; Statistics method

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,283
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in petroleum exploration and developmentMême sujetGeoscience and Mining TechnologyTravaux en français237 207