Revising Darcy’s law: a necessary step toward progress in fluid mechanics and reservoir engineering
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
After drilling wells to reach an oil and gas reservoir, its production starts following the fluid flow under surrounding pressure. To characterize an oil and gas reservoir and estimate its production correctly, it is paramount to model its fluid mechanics properly. So far, the main models used to simulate oil and gas flow utilize Darcy's law. However, these run short due to its limited applications and lack of adaptability in oil and gas reservoirs. This paper introduces a novel fluid transport law in porous media that can be used in oil and gas reservoir, as well as in civil, chemical, mechanical, and mineral engineering cases. This comprehensive model describes the oil and gas flow in a reservoir efficiently. It proposes that the pressure gradients in the flow directions depend not only on the fluid velocity but also on a power series and a series of first and higher order partial derivatives of fluid velocities, among other factors. The coefficients in these series are specific to the fluids and rocks representing the reservoir. They portray the fluid-rock interaction. They include rock properties such as composition, porosity, and permeability. Porosity is the ratio of the space taken up by the pores in a rock to its total volume. The pore space determines the amount of space available for storage of fluids. Permeability is the ability of a rock to allow fluids to pass through it. In addition, the flow model is affected by fluid types and properties such as composition, density, and viscosity. Viscosity is the property of a fluid that causes it to resist flowing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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