MétaCan
Menu
Retour à la cohorte
Enregistrement W2789634487 · doi:10.26804/ager.2017.03.05

Adaptive time-splitting scheme for two-phase flow in heterogeneous porous media

2017· article· en· W2789634487 sur OpenAlexaff
Mohamed F. El‐Amin, Jisheng Kou, Shuyu Sun, Amgad Salama

Notice bibliographique

RevueADVANCES IN GEO-ENERGY RESEARCH · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésSaturation (graph theory)Porous mediumCapillary pressureMathematicsMultiphase flowPorosityApplied mathematicsMechanicsMaterials sciencePhysicsCombinatorics

Résumé

récupéré en direct d'OpenAlex

In the present paper, an adaptive time-splitting scheme is introduced to investigate the problem of two-phase flow in heterogeneous porous media. The pressure and saturation equations are coupled by the capillary pressure which is linearized in terms of saturation. An IMplicit Pressure Explicit Saturation scheme is used to solve the problem under consideration. We use the time schemes for the pressure and saturation equations. The external time interval is divided into two levels, the first level is for the pressure, the second one is for the saturation. This method can reduce the computational cost arisen from the implicit solution of the pressure equation and the rapid changes in saturation. The time-step size for saturation equation is adaptive under computing and satisfying the Courant–Friedrichs–Lewy (CFL<1) condition. In order to show the well performance of the suggested scheme, we introduce a numerical example of a highly heterogeneous porous medium. The adaptive time step-size is shown in graphs as well as the water saturation is shown in contours. Cited as : El-Amin, M., Kou, J., Sun, S., et al. Adaptive time-splitting scheme for two-phase flow in heterogeneous porous media. Advances in Geo-Energy Research, 2017, 1(3): 182-189, doi: 10.26804/ager.2017.03.05

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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,086
Tête enseignante GPT0,443
Écart entre enseignants0,358 · 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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueADVANCES IN GEO-ENERGY RESEARCHMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207