Electro‐Thermal Subsurface Gas Generation and Transport: Model Validation and Implications
Notice bibliographique
Résumé
Abstract Gas generation and flow in soil is relevant to applications such as the fate of leaking geologically sequestered carbon dioxide, natural releases of methane from peat and marine sediments, and numerous electro‐thermal remediation technologies for contaminated sites, such as electrical resistance heating. While traditional multiphase flow models generally perform poorly in describing unstable gas flow phenomena in soil, Macroscopic Invasion Percolation (MIP) models can reproduce key features of its behavior. When coupled with continuum heat and mass transport models, MIP has the potential to simulate complex subsurface scenarios. However, coupled MIP‐continuum models have not yet been validated against experimental data and lack key mechanisms required for electro‐thermal scenarios. Therefore, the purpose of this study was to (a) incorporate mechanisms required for steam generation and flow into an existing MIP‐continuum model (ET‐MIP), (b) validate ET‐MIP against an experimental lab‐scale electrical resistance heating study, and (c) investigate the sensitivity of water boiling and gas (steam) transport to key parameters. Water boiling plateaus (i.e., latent heat), heat recirculation within steam clusters, and steam collapse (i.e., condensation) mechanisms were added to ET‐MIP. ET‐MIP closely matched observed transient gas saturation distributions, measurements of electrical current, and temperature distributions. Heat recirculation and cluster collapse were identified as the key mechanisms required to describe gas flow dynamics using a MIP algorithm. Sensitivity analysis revealed that gas generation rates and transport distances, particularly through regions of cold water, are sensitive to the presence of dissolved gases.
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 | 0,001 | 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 | 0,000 | 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) | 0,000 | 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 ».