Micro-CT Characterization of Pore-size Distribution and Effects on Matrix Acidizing
Notice bibliographique
Résumé
Carbonate rocks have complex heterogeneities that result from syn- and post-depositional stressors. These heterogeneities invariably affect the movement of fluid through the formation. When considering an acid treatment procedure, care must be taken to optimize the acid concentration and pumping schedule to encourage the formation of wormholes. Despite the abundance of carbonate formations (60% of conventional reserves), there is little consensus on the effect of physical formation properties related to acidizing efficiency. This study characterizes the pore-size distribution for different carbonate rocks and evaluates how the optimum pore-volume to breakthrough, PV bt, opt, and the optimal interstitial flux, vi, opt, are related to various physical properties of the rock. \n\nThe pore-size distributions evaluated in this study are constructed with micro-computer tomography (micro-CT) imaging, a non-invasive X-Ray imaging technique pioneered in the medical field. Micro-CT is improved over medical CT because it can scan at higher energies and higher resolution. In this work, resolution for scanned samples are from 5-8 µm/voxel and sample sizes are approximately 1cm^3. From the raw data, image processing is applied to distinguish pore space from the surrounding matrix. Object counter software is used to identify and measure individual pores, which can then be organized into a pore-size distribution. This study finds that the shape of the pore-size distribution is influenced by the type of carbonate rock, where the primary difference between scanned samples is their pore structure. Statistical parameters are calculated by fitting a lognormal distribution function to each sample’s pore-size distribution.
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) | 0,000 | 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 ».