MétaCan
Menu
Retour à la cohorte
Enregistrement W2883866777 · doi:10.1002/aic.16359

Control of viscous fingering and mixing in miscible displacements with time‐dependent rates

2018· article· en· W2883866777 sur OpenAlexafffund
Qingwang Yuan, Xiang Zhou, Jinjie Wang, Fanhua Zeng, Kelvin D. Knorr, Muhammad Imran

Notice bibliographique

RevueAIChE Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensSaskatchewan Research Council (Canada)University of Regina
Organismes subventionnairesMitacsWestern Canada Research Grid
Mots-clésViscous fingeringInstabilityPéclet numberMechanicsViscosityDisplacement (psychology)Porous mediumDispersion (optics)Mixing (physics)Volumetric flow rateFlow (mathematics)Materials scienceEnhanced oil recoveryConvectionThermodynamicsChemistryPorosityPetroleum engineeringGeologyPhysicsOpticsComposite material

Résumé

récupéré en direct d'OpenAlex

In miscible displacements encountered in enhanced oil recovery processes, the unfavorable viscosity contrast between injected solvent and oil usually leads to viscous fingering (VF), a hydrodynamic instability which may result in a lower sweep efficiency and oil recovery. This phenomenon can be observed in a wide range of flows in subsurface porous media. This study examined a simple cyclic time‐dependent displacement rate and its effects on the onset and longer development of VF. It is found that such varying displacement rate can either stabilize or destabilize VF, depending on the cycle period, amplitude, and displacement scenarios. The most important mechanism is that such time‐dependent rate can effectively change the competition between convection (destabilizing effect) and dispersion (stabilizing effect). This is different from the widely used constant injection rate where the flow instability is actually determined by the Peclet number and mobility contrast for a given scenario. This study therefore provided a new aspect to control VF, either enhance or reduce, with low additional costs. It is therefore both scientifically and practically important for a wide range of flows in subsurface porous media. © 2017 American Institute of Chemical Engineers AIChE J , 65: 360–371, 2019

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,039
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,004
Tête enseignante GPT0,223
Écart entre enseignants0,219 · 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 tête enseignante, 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

Citations9
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207