On the Importance of Gravity in DNAPL Invasion of Saturated Horizontal Fractures
Notice bibliographique
Résumé
Abstract Invasion percolation (IP) models of dense non‐aqueous phase liquid (DNAPL) invasion into saturated horizontal fractures typically neglect viscous and gravity forces, as it is assumed that capillarity dominates in many situations. An IP model simulating DNAPL invasion into saturated horizontal fractures was modified to include gravity as a local effect. The model was optimized using a genetic algorithm, and demonstrated that the inclusion of gravity is important for replicating the architecture of the DNAPL invasion pattern. The optimized gravity‐included simulation showed the DNAPL invasion pattern to be significantly more representative of the experimentally observed pattern (80% accuracy) than did the optimized gravity‐neglected simulation (70% accuracy). Additional simulations of DNAPL invasion in 360 randomly generated fractures were compared with and without gravity forces. These simulations showed that with increasing fracture roughness, the minimum difference between simulations with and without gravity increases to 35% for a standard deviation of the mid‐aperture elevation field (SD z ) of 10 mm. Even for low roughness (SD z = 0.1 mm), the difference was as high as 30%. Furthermore, a scaled Bond Number is defined which includes data regarding DNAPL type, media type and statistical characteristics of the fracture. The value of this scaled Bond Number can be used to determine the conditions under which gravity should be considered when simulating DNAPL invasion in a macroscopically horizontal fracture. Finally, a set of equations defining the minimum and maximum absolute percentage difference between gravity‐included and gravity‐neglected simulations is presented based on the fracture and DNAPL characteristics.
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) | 0,001 | 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 ».