Improvement of Sweep Efficiency of Miscible Displacement Processes in Heterogeneous Porous Media
Notice bibliographique
Résumé
Abstract The viscous fingering phenomenon in displacement processes develops due to higher mobility of the injected fluid compared to that of the inhabitant fluid. It causes early breakthrough of the injected fluid and results in reduced sweep efficiency of the process. In addition to viscous fingering, heterogeneity of the porous medium can be a source of instability in displacement processes which has significant interactions with the viscous forces. The coupling between viscous fingering and heterogeneity induced channeling has been deemed to enhance the instabilities by increasing the growth rate of fingers formed inside the high permeable channels. This conclusion is questioned by the present work which investigates the effect of the injection velocity, diffusion coefficient, and width of the layers in a layered medium, on the coupling between the two named sources of instability. Numerical simulations and quantitative analysis of the instabilities show that the flow in heterogeneous media goes through four different regimes (initial diffusion, channeling, lateral dispersion, and viscous fingering) each dominated by a different flow mechanism that results in different growth rates of fingers. Based on these characterizations a method is suggested to design the process with an optimum injection rate such that the coupling between viscous fingering and heterogeneity attenuates the instability and results in improved sweep efficiency. Finding the optimum displacement parameters and improving the efficiency of the process helps to reduce the amount of solvent to be injected in the medium and therefore decreases the environmental effects of the recovery process.
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 ».