MétaCan
Menu
Retour à la cohorte
Enregistrement W2043374707 · doi:10.1080/10916460500527021

Plasma Heating of Carbonate Formations

2007· article· en· W2043374707 sur OpenAlexafffundabout
Muftah H. El‐Naas, R. J. Munz, Joanna Rossi, Abdulrazag Y. Zekri

Notice bibliographique

RevuePetroleum Science and Technology · 2007
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPorosityCalcium carbonateCarbonateScanning electron microscopePermeability (electromagnetism)MineralogyCalcinationPlasmaArgonCarbonate rockMaterials scienceChemistryComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract Calcium carbonate rock samples were exposed to high temperature argon plasma to investigate the efficiency of plasma heating for fracturing carbonate formations. Plasma temperature can change the basic properties of the rock through fracture and calcination, which in turn can result in a significant increase in its porosity and permeability. Several calcium carbonate cores with a diameter of 25.4 mm and a height of 29 mm were subjected to axial plasma heating at different temperatures and for different periods of time. The experimental results indicated that the top surface temperatures of the samples ranged from 800°C to 900°C and the temperature reached steady state within 4 min. The scanning electron microscope (SEM) and porosity analysis of the treated samples indicated significant changes in the basic structure of the rocks and a substantial increase in both porosity and permeability. A mathematical model was developed to predict the temperature distribution along the axis of the heated sample and to estimate the time needed to achieve steady state. The model predictions were in good agreement with experimental results. Keywords: carbonate formationsfracturingmodelingplasma heatingstimulation ACKNOWLEDGMENT The financial support of the Natural Science and Engineering Research Council of Canada is gratefully acknowledged.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,099
Score d'incertitude au seuil0,317

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,243
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations1
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePetroleum Science and TechnologyMême sujetPetroleum Processing and AnalysisTravaux en français237 207