MétaCan
Menu
Retour à la cohorte
Enregistrement W3203041897 · doi:10.1155/2021/2535284

Chemical Potential-Based Modeling of Shale Gas Transport

2021· article· en· W3203041897 sur OpenAlexaff
Jisheng Kou, Lingyun Chen, Amgad Salama, Jianchao Cai

Notice bibliographique

RevueGeofluids · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Regina
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésOil shaleHelmholtz free energyDissipationFlow (mathematics)Shale gasEnergy (signal processing)MechanicsPetroleum engineeringComputer simulationPressure gradientGeologyApplied mathematicsThermodynamicsMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Shale gas plays an increasingly important role in the current energy industry. Modeling of gas flow in shale media has become a crucial and useful tool to estimate shale gas production accurately. The second law of thermodynamics provides a theoretical criterion to justify any promising model, but it has been never fully considered in the existing models of shale gas. In this paper, a new mathematical model of gas flow in shale formations is proposed, which uses gas density instead of pressure as the primary variable. A distinctive feature of the model is to employ chemical potential gradient rather than pressure gradient as the primary driving force. This allows to prove that the proposed model obeys an energy dissipation law, and thus, the second law of thermodynamics is satisfied. Moreover, on the basis of energy factorization approach for the Helmholtz free energy density, an efficient, linear, energy stable semi-implicit numerical scheme is proposed for the proposed model. Numerical experiments are also performed to validate the model and numerical method.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,197
Écart entre enseignants0,188 · 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'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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeofluidsMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207