Multiscale Pore-Structure Characterization by Combining Image Analysis and Mercury Porosimetry
Notice bibliographique
Résumé
Abstract This article introduces a multiscale pore structure characterization method using a combination of mercury porosimetry and image analysis. The method was used to determine the distribution of pore volume by pore size and to estimate the pore-to-throat size aspect ratio. The key idea of the method is that pore size distribution obeys a fractal scaling law over a range of pore size. On this basis, scattering intensity data computed from the measured two-point correlation function and those measured from mercury porosimetry are extrapolated in the size range 0.01 μm < r < 1000 μm, using the known fractal scaling law. A set of siltstone samples taken from Daqing Oilfield was analyzed through this method. Distribution of pore volume by pore size over the entire range of pore length scales was determined. The results demonstrated significant similarities in the pore structure of all samples. The image analysis results were in qualitative agreement with the results of mercury intrusion/extrusion tests. The results were also compared with some other samples (including siltstone, sandstone, and dolomite) that had been analyzed using similar methods. It is shown that the surface fractal dimension obtained by analysis of MIP data is consistent with the value obtained by image analysis for different samples with different porosity and permeability. Novel information on the pore-to-throat aspect ratio is obtained by comparing the complete pore volume distribution (PVD) to the MIP data.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».