Effective Thermal Conductivity of Tight Porous Media
Notice bibliographique
Résumé
Abstract Fluid and heat flow in complex porous media is widely used in various sciences such as medicine, environmental engineering, geoscience, and petroleum engineering. Understanding flow and heat transfer is may be difficult unless the pore geometry is well understood. The focus of this study is the determination of effective thermal dispersivity by both conduction and forced convection. For this purpose, experimental measurements and simulation results of heat and momentum transfer are presented. Experiments are conducted in a sand pack with various surrounding temperatures and injection rates. A 3-D heat transfer model was developed with and without fluid flow with three components. First component is mobile or stagnant fluid in the pore space, second component is the sandstone continuous matrix, and the third component is another solid that has a separate thermal conductivity and will mimic the constant temperature boundary. The transfer of the heat through the solid and fluid and also from the solid to the fluid is related to the composition and connectivity of the solid in the geometry. However, when there is forced convection, the key factor is the Peclet number. The velocity of the fluid can change the effective thermal conductivity up to four orders of magnitude. For the experiments, a sand pack 48cm long was used at temperatures of 40 - 60 °C and water injection rates of 1 - 100 cc/min. The model is augmented by numerical calculations of heat transfer parameters such as effective thermal conductivity and effective thermal advection by monitoring the Peclet number of the process. The variability of thermal dispersion of tight systems under specific composition and pore topology was presented.
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 ».