MétaCan
Menu
Retour à la cohorte
Enregistrement W4323041574 · doi:10.1016/j.ijmst.2022.10.008

A failure criterion for shale considering the anisotropy and hydration based on the shear slide failure model

2023· article· en· W4323041574 sur OpenAlexaff
Qiangui Zhang, Bowei Yao, Xiangyu Fan, Yong Li, Nicholas Fantuzzi, Tianshou Ma, Yufei Chen, Feitao Zeng, Xing Li, Lizhi Wang

Notice bibliographique

RevueInternational Journal of Mining Science and Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of TorontoPolytechnique Montréal
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesSichuan Province Science and Technology Support ProgramNatural Science Foundation of ChongqingNational Natural Science Foundation of ChinaState Key Laboratory of Coal Mine Disaster Dynamics and ControlDepartment of Science and Technology of Sichuan ProvinceChina Scholarship Council
Mots-clésOil shaleAnisotropyShear (geology)Geotechnical engineeringBedApproximation errorHoek–Brown failure criterionDirect shear testMaterials scienceMechanicsGeologyComposite materialMathematicsStatisticsRock mass classificationPhysics

Résumé

récupéré en direct d'OpenAlex

A failure criterion fully considering the anisotropy and hydration of shale is essential for shale formation stability evaluation. Thus, a novel failure criterion for hydration shale is developed by using Jaeger’s shear failure criterion to describe the anisotropy and using the shear strength reduction caused by clay minerals hydration to evaluate the hydration. This failure criterion is defined with four parameters in Jaeger’s shear failure criterion (S1, S2, α and φ), three hydration parameters (k, ωsh and σs) and two material size parameters (d and l0). The physical meanings and determining procedures of these parameters are described. The accuracy and applicability of this failure criterion are examined using the published experimental data, showing a cohesive agreement between the predicted values and the testing results, R2 = 0.916 and AAREP (average absolute relative error percentage) of 9.260%. The error (|Dp|) is then discussed considering the effects of β (angle between bedding plane versus axial loading), moisture content and confining pressure, presenting that |Dp| increases when β is closer to 30°, and |Dp| decreases with decreasing moisture content and with increasing confining pressure. Moreover, |Dp| is demonstrated as being sensitive to S1 and being steady with decrease in the data set when β is 0°, 30°, 45° and 90°.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,013
Tête enseignante GPT0,252
Écart entre enseignants0,239 · 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'étudeSimulation ou modélisation
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

Citations35
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mining Science and TechnologyMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207