Reconstruction of 3D Network Model Through CT Scanning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Digitized description of rock is one trend of flow modeling. The paper presents a method for reconstructing 3D network model of microscopic pore structure according to CT images of rock. Sequential CT images which can fully describe 2D microscopic pore structure of rock are obtained by using ACTIS-225FFi CT/DR/RTR microfocus CT equipment. 3D skeleton and pore-bodies of the porous media can be obtained through processing these images by using the thinning algorithm. On the base of analyzing the differences between the core model and the network model, pores and throats are extracted considering the geometrical equivalence through equivalent method of flow conductivity and shape factor. Thus, the conversion from CT scanned images of real rock into a 3D network model is realized, which can be used as a powerful tool in flow simulation. One advantage of the method lies in the fact that simplified geometrical objects, such as pores and throats, can be used to replace the irregular geometry with less calculating time while retaining the geometrical features and flow characters. Based on the method above mentioned, the paper takes well 70-1 of Kendong oilfield, China as an example to carry out the CT scanning experiment and to reconstruct the network model. It is found that there is a good agreement between the calculated parameters of network model and those of porosity, absolute permeability, capillary pressure curves as well as relative permeability curve measured in laboratory, which indicates that the network model can fully describe the microscopic pore and throat sizes as well as topology of rock.
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.
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 découle