MétaCan
Menu
Retour à la cohorte
Enregistrement W3148047800 · doi:10.2516/ogst/2021008

Editorial: Advanced modeling and simulation of flow in subsurface reservoirs with fractures and wells for a sustainable industry

2021· editorial· en· W3148047800 sur OpenAlexaff
Shuyu Sun, Michael G. Edwards, Florian Frank, Jingfa Li, Amgad Salama, Bo Yu

Notice bibliographique

RevueOil & Gas Science and Technology – Revue d’IFP Energies nouvelles · 2021
Typeeditorial
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesKing Abdullah University of Science and TechnologyNational Natural Science Foundation of China
Mots-clésPetroleum engineeringGeologyFlow (mathematics)EngineeringEnvironmental scienceMining engineeringMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

Flow in subsurface reservoirs is a crucial process in a wide range of applications at different time and space scales, such as petroleum exploration and recovery, groundwater contamination, subsurface carbon sequestration, and geothermal reservoir engineering. As an effective method, modeling and simulation of flow in subsurface reservoirs become essential components of many scientific and
\nengineering applications in recent years. Significant advances have been made in this area, but accurate modeling and efficient, robust simulation still remain a challenging problem, especially for flow and transport in subsurface reservoirs with fractures and wells. To facilitate
\nthe exchange and dissemination of original research results and state-of-the-art reviews pertaining to flow in subsurface reservoirs with fractures and wells efficiently, we organized a special issue on “Advanced modeling and simulation of flow in subsurface reservoirs with fractures and wells for a sustainable industry” within Oil & Gas Science and Technology.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,373
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0020,001
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 Opus0,004
Tête enseignante GPT0,236
Écart entre enseignants0,233 · 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.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOil & Gas Science and Technology – Revue d’IFP Energies nouvellesMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207