Numerical simulation of fine particle liquid–solid flow in porous media based on LBM‐IBM‐DEM
Notice bibliographique
Résumé
Abstract Fine particle liquid–solid flow in porous media is involved in many industrial processes such as oil exploitation, geothermal reinjection, and filtration systems. It is of great significance to master the behaviours of the fine particle liquid–solid flow in porous media. At present, there are few studies on the influences of the migration of fine particles on the flow field in porous media, and the effects of the porosity of porous media and inlet fluid velocity on the migration behaviours of fine particles in porous media. In this paper, a liquid–solid flow model was established based on the lattice Boltzmann method (LBM)‐immersed boundary method (IBM)‐distinct element method (DEM) and verified by the classical Drag Kiss Tumble (DKT) phenomena and flow around a cylinder successfully. In this model, the interaction between solid particles is analyzed using the distinct element method, and the interaction between fine particles and flow field is handled by IBM. Then, the migration and blockage of fine particles in porous media was studied using this model. It is found that, in addition to the blockage, a large amount of blocked‐surface sliding‐separation occur in fine particles. At the same time, the decrease in porosity increases the damage degree of fine particles on the permeability. The porosity exerts great influence on the penetration rate and dispersion behaviour of fine particles. The inlet fluid velocity mainly affects the residence time of fine particles and the average velocity of motion in the direction perpendicular to the main flow direction.
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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».