A Critical Analysis of the Relationship Between Statistical- and Fractal-Fracture-Network Characteristics and Effective Fracture-Network Permeability
Notice bibliographique
Résumé
Summary Estimation of effective fracture-network permeability (EFNP) is an essential part of modeling transport processes in naturally fractured reservoirs. A practical way of doing this is to use correlations that consider the statistical and physical characteristics of the networks. Thus, selection of the proper parameters to be characterized and/or measured that are highly correlative to the network permeability is critical. In this study, we analyzed fractal-based correlations previously developed by Jafari and Babadagli (2011a, 2011b) to clarify the physical relationship among network properties and the correlation parameters. It was shown that the connectivity index is a more-powerful parameter to rely on in permeability estimation, especially at percolation ranges far from the threshold. Also, it was of high interest to inspect the effect of physical parameters of a fracture network on different fractal dimensions as well as their positive/negative correlation with permeability to make a distinction between the mathematical and physical contributions of variables. We explained the earlier observation of Jafari and Babadagli (2009) regarding the method to determine fractal dimensions and their observed differences, which were found to be related to the computational scheme. That is why the box-counting fractal dimension gives the highest correlation compared with other fractal dimensions, especially the sandbox fractal dimension. The conditions of a strong correlation among different fractal dimensions and the scale-dependency of correlations in natural and synthetic patterns were also addressed.
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 | 0,002 | 0,004 |
| 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 ».