Simulated electrical conductivity response of clogging mechanisms for managed aquifer recharge
Notice bibliographique
Résumé
ABSTRACT Motivated by the need for improved understanding and monitoring of clogging during managed aquifer recharge, we use numerical experiments to evaluate the effect of three different clogging mechanisms on electrical conductivity (EC), porosity, specific surface area, and electrical tortuosity of a simulated sediment pack. The clogging experiments are designed to simulate effect of clogging due to: (a) addition of finer grains, (b) addition of nonconductive films, and (c) addition of conductive films. The simulations involved starting with a random grain pack of 43% porosity, and subsequently reducing the porosity as would occur during clogging. For each of the experiments, we compute the EC response, specific surface area, and electrical tortuosity across the range of porosities. The differences in EC response between (a) and (b) is minor, however, the sediment parameters measuring pore-space configuration show very different responses (i.e., specific surface area and tortuosity), indicating EC is limited in its sensitivity to specific pore configurations. The results from simulations (a) and (b) are well described by Archie’s equation. For the conductive film experiments (c), we explore the effect of film growth for four different surface conductivities ranging from 1 Sm−1 to 7 Sm−1. These conductivities correspond to a range of 5–35 times more conductive than the pore fluid conductivity. The bulk EC signal for each of the films results in a distinct manifestation in terms of measured bulk EC. We fit the EC response of the conductive film experiments with a model based on volume fraction occupied by the film; although the model fit the observed results, we required a unique set of fitting parameters for each Film conductivity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».