MétaCan
Menu
Retour à la cohorte
Enregistrement W2952248275 · doi:10.1002/aic.16702

Analytical modeling nanoparticles‐fines reactive transport in porous media saturated with mobile immiscible fluids

2019· article· en· W2952248275 sur OpenAlexaff
Bin Yuan, Rouzbeh Ghanbarnezhad Moghanloo

Notice bibliographique

RevueAIChE Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAmerican Chemical Society Petroleum Research Fund
Mots-clésPorous mediumNanofluidSaturation (graph theory)NanoparticleAdsorptionMaterials scienceSuspension (topology)PorosityChemical engineeringTwo-phase flowFluid dynamicsThermodynamicsMechanicsFlow (mathematics)ChemistryComposite materialNanotechnologyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract This work develops a new analytical solution for the reactive flow of aqueous nanofluid into porous media originally saturated with a mobile aqueous suspension containing fine particles and a mobile oleic‐phase. The enhancement of nanoparticles on fines attachment onto rock grains is modeled through the increase of the maximum retention capacity of rock grains. Implementing the splitting technique and stream‐function converts the original 3 × 3 system of partial‐differential equations into 2 × 2 sub‐system of nanoparticles‐fines reactive transport, and a lifting equation where only phase saturation appears. Then, method of characteristics is applied to achieve the analytical solution, the validity of which is tested by numerical simulation. The historical profiles of suspended/adsorbed nanoparticles, suspended/attached fines, and phase saturation along 1‐D porous medium are reproduced. The impact of injected nanoparticles concentration and carrier fluid saturation on fines attachment is investigated. This work provides a simple‐yet‐rigorous approach to evaluate nanofluid injection to control fines migration in multiphase flow.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,649

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 recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,212 · 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'étudeSimulation ou modélisation
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

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207