MétaCan
Menu
Retour à la cohorte
Enregistrement W2900563717 · doi:10.1039/c8nr06937a

Nanomodel visualization of fluid injections in tight formations

2018· article· en· W2900563717 sur OpenAlexafffund
Junjie Zhong, Ali Abedini, Lining Xu, Yi Xu, ZhenBang Qi, Farshid Mostowfi, David Sinton

Notice bibliographique

RevueNanoscale · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of TorontoAlberta Hospital EdmontonToronto Public Health
Organismes subventionnairesAlberta InnovatesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for Innovation
Mots-clésVisualizationPetroleum engineeringOil spillComputer scienceTight gasNanotechnologyMaterials scienceGeologyArtificial intelligenceHydraulic fracturing

Résumé

récupéré en direct d'OpenAlex

The transport and phase change of a complex fluid mixture under nanoconfinement is of fundamental importance in nanoscience, and limits the recovery efficiency from tight oil reservoirs (<10%). Herein, through experiments and supporting theory we characterize the transport and phase change of a nanoconfined complex fluid mixture. Our nanofluidic platform, nanomodel, replicates shale reservoirs in terms of mean pore size (∼100 nm), permeability (∼μD) and porosity (∼10%). We screen conditions for the most promising shale EOR strategies, directly quantifying their pore-scale efficiency and underlying mechanisms. We find that immiscible gas (N2) flooding presents a prohibitively large capillary pressure threshold (∼2 MPa). Miscible (CO2) gas flooding eliminates this threshold leading to film-wise stable oil displacement with high recovery efficiency. Strong capillary forces present barriers as well as opportunities for recovery strategies unique to nanoporous reservoirs by transitioning from a miscible to an immiscible condition locally within the reservoir. These results quantify the fundamental transport and phase change mechanisms applicable to nanoconfined complex fluids, with direct implications in unconventional oil as well as nanoporous media more broadly.

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 enseignants0,340
Score d'incertitude au seuil0,267

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 Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,243 · 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

Citations82
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207