Experimental Study of CO2-Water-Mineral Interactions and Their Influence on the Permeability of Coking Coal and Implications for CO2-ECBM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Coal permeability is one of the most critical parameters affecting gas flow behavior during coalbed methane (CBM) production. However, little research has been conducted on how permeability evolves after CO2 injection in coking coal. Hence, examining possible chemical interactions between coal minerals, water, and injected CO2 can be very helpful to better characterize coking coal. In this study, coking coal specimens obtained from the Malan and Tunlan mines located in the Gujiao block of the Qinshui basin were treated with water and CO2 to achieve a better understanding of their dissolution kinetics, pore structure, and permeability. It was found that the relative carbonate mineral content decreases with time, while the relative clay mineral content increases after the reaction with CO2 and water. Scanning electron microscopy (SEM) confirmed these mineral alteration phenomena. Carbonate minerals (calcite, dolomite) dissolve faster than clay minerals (montmorillonite, illite and kaolinite). In particular, the dissolution rates of Ca2+ in carbonate minerals increases with decreasing temperature (25–45 °C) and pH (4.3–6.3), and the dissolution rate of Ca2+ ions in the calcite reaction solution is higher than that in the dolomite solution. In addition, the results of low-pressure nitrogen adsorption analysis showed that CO2 injection can enlarge smaller size pores into larger size pores and change the overall pore size distribution. Therefore, CO2 injection can increase the porosity of coal beds and ultimately their permeability, which in turn facilitates CBM production.
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.
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 découle