MétaCan
Menu
Retour à la cohorte
Enregistrement W3207888743 · doi:10.1115/omae2021-63338

3D Simulation of Surface Casing Cementing: Dispersion Effects

2021· article· en· W3207888743 sur OpenAlexaff
Ruizi Zhang, I.A. Frigaard

Notice bibliographique

RevueVolume 10: Petroleum Technology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCasingMechanicsDispersion (optics)Laminar flowScale (ratio)Displacement (psychology)Flow (mathematics)Range (aeronautics)Computer simulationScale modelNumerical models3d modelGeologyComputer sciencePetroleum engineeringEngineeringPhysicsOpticsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Many numerical studies have been conducted regarding laminar miscible displacement flow in narrow, vertical, eccentric annuli. For the next decade it is likely that primary cementing flows on the scale of the well will continue to be simulated predominantly with 2D gap-averaged (2DGA) models. However, 3D simulations are less common due to the computational cost. The comparison between 2D and 3D models needs further attention, to understand the main discrepancies and thus help to understand primary cementing flows better. In this paper, comparisons of 3D against 2DGA model results show a range of interesting different phenomena, e.g. static layers, dispersive spikes, and instabilities. The predictions of the 2DGA model are the same as the 3D results to a degree. In particular, they are consistent with each other regarding the evolving process, interface shape, etc. However, the main difference with the 2DGA concentration arises from dispersion on the scale of the annular gap. From the recent research of Renteria and Frigaard (J. Fluid Mech., vol. 905, 2020) [1], a variety of dispersive effects are the main discrepancy between experiments and 2DGA results as well. We give representative examples of these flows in surface casing geometries and suggest methods for improvement of the 2DGA model.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,219
Écart entre enseignants0,214 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 10: Petroleum TechnologyMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207