Dissolution behaviour of different rank coals in <scp>L</scp>‐glutamic acid <scp><i>N</i></scp>, <scp><i>N</i></scp>‐diacetic acid chelating agent: Implications to enhance coalbed methane recovery by acid stimulation
Notice bibliographique
Résumé
Abstract Acid stimulation is a promising method in improving coal seam permeability by demineralization in coal cleats. However, using conventional acids such as HCl and mud acid (12 wt.% HCl + 3 wt.% HF) may cause clay breakage, migration, and precipitation, leading to formation damage. In this study, we investigated the effect of L‐glutamic acid N, N‐diacetic acid (GLDA) chelating agent treatment on the dissolution behaviour of lignite (Coal L) and anthracite (Coal A), collected from Er′Lian Basin and Qinshui Basin, China. Characteristics of the raw and acid treated coal samples, including mercury intrusion porosimetry (MIP) results as well as metal elements distribution analysis of reacted leachates, micromorphology, mineral composition, and mass change were taken into consideration. It was found that high‐rank Coal A is more suitable for chemical stimulation. For both Coal L and Coal A, 5 wt.% GLDA solution is preferred to avoid sticking reaction products. Total porosities of Coal L and Coal A were increased by 3.9 and 1.1 times, respectively. Based on the water chemistry analysis of the reacted solutions, we found that acidic condition is beneficial for clay minerals and carbonates dissolution, while alkaline condition is favourable for the dissolution of quartz. Besides, the dissolution of minerals can trigger the release of trace elements, which is a potential environmental risk that needs to be taken into consideration before its in‐situ application in coal fields.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».