A Dynamic Pore Network Model for Imbibition Simulation Considering Corner Film Flow
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Wetting films can develop in the corners of angular pores under strong wetting conditions. Modeling the dynamics of corner film remains elusive using direct numerical simulations because of the significant scale difference between main meniscus and corner film flow. In this paper, the modified interacting capillary bundle model (ICB), developed in our previous work to describe accurately corner film dynamics in a single square tube, is incorporated into a single‐pressure dynamic pore network model (DPNM) to simulate imbibition in strongly wetting porous media with corner film flow. The traditional pore network is decomposed into several layers of interacting subpore networks where the 0th layer of subpore network simulates the main meniscus flow and higher layers the corner film flow. The fluid flow between different layers is captured by interlayer throats. In addition, the snap‐off mechanism caused by the thickening of wetting corner film is considered. The accuracy of the developed model is validated for four cases: spontaneous imbibition in a single square tube, wetting fluid redistribution through corner films under a capillary pressure difference, snap off in a narrow throat connecting two large pores, and imbibition dynamics in a real microfluidic porous geometry. The validated model is then used to simulate both spontaneous and controlled imbibition in a pore network with random pore size distribution. The interaction between corner film and main meniscus flow in porous media is analyzed from a pore‐scale perspective.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle