KG²B, a collaborative benchmarking exercise for estimating the permeability of the Grimsel granodiorite—Part 2: modelling, microstructures and complementary data
Notice bibliographique
Résumé
Measuring and modelling the permeability of tight rocks remains a challenging task. In addition to the traditional sources of errors that affect more permeable formations (e.g. sample selection, non-representative specimens, disturbance introduced during sample acquisition and preparation), tight rocks can be particularly prone to solid–fluid interactions and thus more sensitive to the methods, procedures and techniques used to measure permeability. To address this problem, it is desirable to collect, for a single material, measurements obtained by different methods and pore fluids. For that purpose, a benchmarking exercise involving 24 laboratories was organized for measuring and modelling the permeability of a single low-permeability material, the Grimsel granodiorite. The objectives of the benchmark were: (i) to compare the results for a given method, (ii) to compare the results between different methods, (iii) to analyse the accuracy of each method, (iv) to study the influence of experimental conditions (especially the nature of pore fluid), (v) to discuss the relevance of indirect methods and models and finally (vi) to suggest good practice for low-permeability measurements. To complement the data set of permeability measurements presented in a companion paper, we focus here on (i) quantitative analysis of microstructures and pore size distribution, (ii) permeability modelling and (iii) complementary measurements of permeability anisotropy and poroelastic parameters. Broad ion beam—scanning electron microscopy, micro-computerized tomography, mercury injection capillary pressure (MICP) and nuclear magnetic resonance (NMR) methods were used to characterize the microstructures and provided the input parameters for permeability modelling. Several models were used: (i) basic statistical models, (ii) 3-D pore network and effective medium models, (iii) percolation model using MICP data and (iv) free-fluid model using NMR data. The models were generally successful in predicting the actual range of measured permeability. Statistical models overestimate the permeability because they do not adequately account for the heterogeneity of the crack network. Pore network and effective medium models provide additional constraints on crack parameters such as aspect ratio, aperture, density and connectivity. MICP and advanced microscopy techniques are very useful tools providing important input data for permeability estimation. Permeability measured—orthogonal to foliation is lower that—parallel to foliation. Combining the experimental and modelling results provide a unique and rich data set.
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 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».