Complex Dispersion in Simple Fractured Media
Notice bibliographique
Résumé
[1] Previous studies noted situations with simple networks of fractured media where dispersion was complex. Certain network geometries provided principal directions of spreading at angles to the direction of mean flow and occasions where transverse spreading greatly exceeded longitudinal spreading. This article is concerned with understanding this complex dispersion in the context of more variable networks and to evaluate the scaling between dispersion and characteristics of the network. The approach involves modeling flow and particle transport through networks consisting of equally spaced finite fractures. Simulation trials examined how changes to the orientation of the overall network, fracture aperture, fracture connectivity, and fracture length influenced mass transport. With these geometries, particle spreading was due to a grid orientation effect and variability related to apertures and connectivity. The grid orientation effect inherently gives rise to the complex dispersion described in previous work. Spreading caused by variability in aperture and connectivity produces the more familiar, elliptical pattern of spreading. In the various model trials we created situations where either or both of these spreading mechanisms could dominate. When both grid orientation and heterogeneity effects were comparable, particle swarms took on a curious hybrid shape reflecting the outcome of two different spreading mechanisms. With sufficient heterogeneity the grid orientation effect was swamped and disappeared. As the block size increases so does transverse dispersion. Further studies are necessary to investigate whether the grid effects associated with the simplified fracture networks can be extrapolated to real fractured media.
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) | 0,003 | 0,001 |
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 ».