Comparison of Various Particle Size Distribution Measurement Methods: Role of Particle Shape Descriptors
Notice bibliographique
Résumé
Abstract Sieve analysis, sedimentation and laser diffraction have been the methods of choice in determining particle size distribution (PSD) for sand control design. However, these methods do not provide any information regarding the particle shape. In this study, we introduce the application of Dynamic Image Analysis (DIA) to characterize particle sizes and shape descriptors of sand bearing formations. Dynamic Image Analysis, an advanced method of particle size and shape characterization, along with other PSD measurement methods, including sieving combined with sedimentation, and laser diffraction, was utilized to study size and shape variations of 372 unconsolidated formation sand samples from North America, Latin America, and the Middle East. Different methods were compared for the estimation of PSD and fines content, which is important for sand control design. Through minimizing the sampling and measurement errors, the deviation between different PSD measurement techniques was attributed solely to the shape of the particles and the amount of fine fraction. For fines content measurement, the values obtained through Feret Min. parameter values (the minimum size of a particle along all directions) calculated by DIA and sieving measurement are comparable within a 5% confidence band. The deviation between the results of different methods becomes more significant by increasing fines content. Moreover, this deviation increases for less isodiametric grains. The fines and clay content show higher values when measured by any wet analysis. Laser diffraction also tends to overestimate the fines fraction and underestimate silt/sand fraction compared to other dry techniques. By comparing the deviation of the DIA and sieving at standard mesh sizes, an algorithm has been developed which chooses the equivalent sphere sizes of DIA with minimum deviation from sieving. This study performs several measurements on formation sands to illustrate the real advantage of the new methods over traditional measurement techniques. Furthermore, particle shape descriptors were used to explain the deviation between the results of different PSD measurement methods.
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 ».