Characterization of Gas Injection Flow Patterns Subject to Gravity and Viscous Forces
Notice bibliographique
Résumé
Core Ideas Air was injected into saturated 0.7‐mm sand at 0.1, 10, 100, 250, and 498 mL min −1 . Optical density and gas pressure were used to classify the gas flow pattern. The gravity drive of highly buoyant gas quickly dominates over viscous forces. Bo/Ca was used to predict the transition of flow from continuous to discontinuous. Gas movement in otherwise water‐saturated porous media is complex and is important for a variety of applications. The interplay of gravity, capillary, and viscous forces influences the movement and resulting pattern of gas. To develop a better understanding of this competition among these forces, air injection experiments were performed in an intermediate‐scale, two‐dimensional flow cell at injection rates of 0.1, 10, 100, 250, and 498 mL min −1 . The resulting gas patterns were characterized using gas pressure measurements and optical density measurements based on digital images to classify gas flow as continuous, transitional, or discontinuous, and near‐pore‐scale observations of transient gas flow were made to gain insight concerning the influence of gravity, viscous, and capillary forces. These observations highlighted the importance of gravity and viscous forces, along with capillary forces, for gas flow in water‐wet media. Based on these observations, a simplified dimensionless number (the ratio of the Bond and Capillary numbers) was proposed to quantify the interplay of gravity to viscous forces, and its validity for the prediction of the type of gas flow was assessed. This study provides a high spatiotemporal dataset of transient gas movement in homogeneous sand, which can be used to provide insight for multiphase flow modeling efforts and future understanding of gas movement coupled to mass transfer.
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 | 0,000 | 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 ».