MétaCan
Menu
← Retour à la cohorte
Enregistrement W4252445435 · doi:10.1002/9781119166573.ch26

Development of connected permeability in massive crystalline rocks through hydraulic fracture propagation and shearing accompanying fluid injection

2012· other· en· W4252445435 sur OpenAlexafffund
Giona Preisig, Erik Eberhardt, Valentin Gischig, Vincent Roche, Mirko van der Baan, Benoît Valley, Peter Kaiser, Damien Jade Duff, Robert Lowther

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensCentre for Excellence in Mining InnovationUniversity of AlbertaUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésInterconnectivityHydraulic fracturingPermeability (electromagnetism)GeologyShearing (physics)Fluid dynamicsGeothermal gradientGeotechnical engineeringConsolidation (business)PetrologyPetroleum engineeringMechanicsGeophysics

Résumé

récupéré en direct d'OpenAlex

The ability to generate deep flow in massive crystalline rocks is governed by the interconnectivity of the fracture network and its permeability, which in turn is largely dependent on the in situ stress field. The increase in stress with depth reduces fracture aperture, leading to a decrease in rock mass permeability. In massive crystalline rocks, often favored for enhanced geothermal system projects, permeability is governed by fracture connectivity and aperture. Injection of pressurized fluid for hydraulic treatments is critical for enhancing the interconnectivity of fracture permeability in tight rock masses. Two injection procedures may be employed in this context: hydraulic fracturing and hydraulic shearing (HS). This chapter reports the findings from a detailed set of numerical models performed as part of the experiment design. These analyses have been used to help define the fluid injection magnitudes and rates, optimal locations of monitoring sensors, and preliminary estimates of expected response.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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'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

Citations6
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHydraulic Fracturing and Reservoir Analysis→Travaux en français237 207→