On Permeability Prediction From Complex Conductivity Measurements Using Polarization Magnitude and Relaxation Time
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
Abstract Geophysical length scales determined from complex conductivity (CC) measurements can be used to estimate permeability when the electrical formation factor F is known. Two geophysical length scales have been proposed: (1) the specific polarizability normalized by the imaginary conductivity and (2) the time constant multiplied by a diffusion coefficient . The parameters and account for the control of fluid chemistry and/or varying minerology on the geophysical length scale. We evaluated the predictive capability of two CC permeability models: (1) an empirical formulation based on or normalized chargeability and (2) a mechanistic formulation based on . The performance of the CC models was evaluated against measured ; and further compared against that of well‐established estimation equations that use geometric length scales. Both CC models predict permeability within one order of magnitude for a database of 58 sandstone samples, with the exception of samples characterized by high pore volume normalized surface area . Variations in and likely contribute to the poor model performance for the high samples, which contain significant dolomite. Two observations favor the implementation of the ‐based model over the ‐based model for field‐scale estimation: (1) a limited range of variation in relative to and (2) field measurements are less time consuming to acquire relative to . The need for a reliable field‐estimate of limits application of either model, in particular the model due to a high power law exponent associated with .
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 | 0,001 | 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 | 0,001 | 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) | 0,002 | 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