A Robust Asymptotically Based Modeling Approach for Two-Phase Flow in Porous Media
Notice bibliographique
Résumé
A simple semitheoretical method for calculating the two-phase frictional pressure gradient in porous media using asymptotic analysis is presented. The two-phase frictional pressure gradient is expressed in terms of the asymptotic single-phase frictional pressure gradients for liquid and gas flowing alone. In the present model, the two-phase frictional pressure gradient for x≅0 is nearly identical to the single-phase liquid frictional pressure gradient. Also, the two-phase frictional pressure gradient for x≅1 is nearly identical to the single-phase gas frictional pressure gradient. The proposed model can be transformed into either a two-phase frictional multiplier for liquid flowing alone (ϕl2) or a two-phase frictional multiplier for gas flowing alone (ϕg2) as a function of the Lockhart–Martinelli parameter X. The advantage of the new model is that it has only one fitting parameter (p), while the other existing correlations, such as the correlation of Larkins et al., Sato et al., and Goto and Gaspillo, have three constants. Therefore, calibration of the new model to the experimental data is greatly simplified. The new model is able to model the existing multiparameter correlations by fitting the single parameter p. Specifically, p=1/3.25 for the correlation of Midoux et al., p=1/3.25 for the correlation of Rao et al., p=1/3.5 for the Tosun correlation, p=1/3.25 for the correlation of Larkins et al., p=1/3.75 for the correlation of Sato et al., and p=1/3.5 for the Goto and Gaspillo correlation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».