MétaCan
Menu
Retour à la cohorte
Enregistrement W2735993900 · doi:10.1002/cjce.22937

Pore network modelling of molecular diffusion in a single‐block model during lean gas injection, investigating the effect of throat sorting

2017· article· en· W2735993900 sur OpenAlexvenueno aff
Vahid Mashayekhizadeh, Mohammad Reza Rasaei

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIsothermal processDiffusionChemistryCapillary actionGaseous diffusionEvaporationPorous mediumPercolation (cognitive psychology)ThermodynamicsPorosityAnalytical Chemistry (journal)Materials scienceMechanicsChromatographyPhysical chemistryOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Based on analogy between isothermal drying of porous media and molecular diffusion in a single‐block model containing a volatile liquid during lean gas injection, a detailed procedure is presented for two‐dimensional quasi‐static pore network modelling of diffusion. A modified invasion percolation algorithm is used to account for evaporation of liquid clusters formed during gas injection process. Diffusion in gas phase, capillary‐induced flow in liquid phase, and evaporation in gas‐liquid interface were modelled to trace the movement of gas‐liquid interface and desaturation profile. Using a set of throat sizes with normal distribution, 15 cases of a regular pore network model were proposed by rearranging throat positions in the model. Results of this study indicate that diffusion time, breakthrough time, vapour partial pressure gradient, liquid saturation gradient, liquid cluster frequency, gas‐liquid interface frequency, and evaporation potential are strong functions of throat sorting. Correlation coefficient of throat size with position was used to capture the disorder of porous medium. It was shown that such a correlation coefficient is not capable of describing diffusion 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,198
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207