MétaCan
Menu
Retour à la cohorte
Enregistrement W3134393400 · doi:10.1021/acs.energyfuels.0c03822

Sand Production Management during Marine Natural Gas Hydrate Exploitation: Review and an Innovative Solution

2021· article· en· W3134393400 sur OpenAlexaff
Nengyou Wu, Yanlong Li, Qiang Chen, Changling Liu, Yurong Jin, Mingjian Tan, Lin Dong, Gaowei Hu

Notice bibliographique

RevueEnergy & Fuels · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensUniversity of Regina
Organismes subventionnairesGovernment of Shandong ProvinceNational Natural Science Foundation of China
Mots-clésClathrate hydrateHydrateNatural gasProduction (economics)Petroleum engineeringEnvironmental scienceNatural (archaeology)Earth scienceGeologyWaste managementChemistryEngineeringPaleontology

Résumé

récupéré en direct d'OpenAlex

Natural gas hydrate (NGH) is widely distributed worldwide with great reserves and is generally accepted as a promising alternative energy source. However, sustainable, efficient, and safe NGH development has been proven to be restricted by a series of geomechanical problems, among which sand production has become prominent and attention-catching. This review systematically summarizes the up-to-date literatures and reports our latest work to improve the fundamental understandings of the sand production issues in NGH development. It is noted that sand production is defined as a systematic “issue”, rather than a “problem” in this paper, considering both the adverse and favorable influences of sand production on continuous gas production from hydrate-bearing sediment (HBS). Several challenges and insightful suggestions are put forward for future research from the viewpoint of the sand production management system (SMS). Furthermore, an innovative method for unlocking conflicts between sand production and gas extraction in muddy HBS is proposed, namely, the gravel-huff to clay-puff replacement (GCR) technique. The outlook and perspectives of this technique are presented, as well as the key challenges to be resolved.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations88
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207