MétaCan
Menu
Retour à la cohorte
Enregistrement W2604935382 · doi:10.2118/185720-ms

DyMAS: A Direct Multi-Scale Pore-Level Simulation Approach

2017· article· en· W2604935382 sur OpenAlexafffund
Peyman Mohammadmoradi, Apostolos Kantzas

Notice bibliographique

RevueSPE Western Regional Meeting · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCoalescence (physics)Capillary actionMultiphase flowComputer scienceMechanicsDirect numerical simulationComputational scienceMaterials scienceScale (ratio)Viscous liquidDisplacement (psychology)PhysicsComposite materialTurbulence

Résumé

récupéré en direct d'OpenAlex

Abstract The recent advancements in high-resolution imaging technology offer the opportunity to generate detailed pore-level domains and highlight the need for efficient and reliable digital core analyzers. Here, a new generation of direct pore-scale simulation techniques called dynamic morphology assisted simulation (DyMAS) is proposed. DyMAS, as a hybrid method, couples pore morphological quasi-static and computational fluid dynamic approaches to simulate immiscible multiphase fluid flow at pore-scale with high computational efficiency. DyMAS is a comprehensive modeling approach that has the capability of dealing with pore structures of a wide range of pore sizes, from intergranular to microporosity, simultaneously. It is a selective approach that updates the governing equations along with the interface development to prevent numerical instabilities associated with the interface reconstruction and volume tracking processes. Gravity, viscous, and capillary forces are all taken into account ensuring accurate simulation of the compound fluid displacement patterns, e.g., splitting and coalescence, viscous fingering, ganglia mobilization, gravity segregation, and capillary trapping.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil0,929

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,075
Tête enseignante GPT0,302
Écart entre enseignants0,227 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Western Regional MeetingMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207