MétaCan
Menu
Retour à la cohorte
Enregistrement W2792654865 · doi:10.15273/ijge.2018.01.004

A Formula of Potassium Polymer Sulfonated Drilling Fluid Developed Based on Rock Microscopic Analysis

2018· article· en· W2792654865 sur OpenAlexvenueno aff
Sheng Wang, Jinyong Zhu, Jingfei Wang, Liyi Chen, Tongde Zhang, Chuan Zhang, Chaopeng Yuan

Notice bibliographique

RevueInternational Journal of Georesources and Environment · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensnon disponible
Organismes subventionnairesState Key Laboratory of Geohazard Prevention and Geoenvironment Protection
Mots-clésDrilling fluidDrillingCoringPetroleum engineeringGeologyPolymerFault (geology)Materials scienceComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

During the rapid coring drilling in the Wenchuan earthquake Fault Scientific Drilling project, the deep fault zone is characterized with extremely broken strata and strong creeping, which made the drilling tasks very difficult. The key technology to drilling success is a suitable drilling fluid system. To design such a drilling fluid system with desired properties, the mineral composition of rock samples from deep fault zone was analyzed using X-Ray Diffraction (XRD) and Fourier Transform Infrared (FTIR) absorption spectrum. Based on the results, a potassium-based polymer sulfonated drilling fluid was developed. This drilling fluid system possesses a variety of advantages including good quality of filter cake, strong anti-pollution ability, anti-collapse ability and inhibition ability, and great compatibility with treating agent. Also, the composition of this drilling fluid is simple, easy to prepare and at a relatively low cost. The study of potassium sulfonated drilling fluid system is of great significance for the rapid core drilling in deep fault zone.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,191
Écart entre enseignants0,187 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Georesources and EnvironmentMême sujetDrilling and Well EngineeringTravaux en français237 207