MétaCan
Menu
Retour à la cohorte
Enregistrement W4391956149 · doi:10.1063/5.0177369

On the transport behavior of shale gas in nanochannels with fractal roughness

2024· article· en· W4391956149 sur OpenAlexaff
Liqun Lou, Peijian Chen, Juan Peng, Jiaming Zhu, Guannan Liu

Notice bibliographique

RevuePhysics of Fluids · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensGeomechanica (Canada)
Organismes subventionnairesNational Key Research and Development Program of ChinaNanjing UniversityState Key Laboratory of Solid LubricationNanjing University of Aeronautics and AstronauticsState Key Laboratory of Mechanics and Control of Mechanical StructuresNational Natural Science Foundation of China
Mots-clésFractalOil shaleSurface finishShale gasMethanePetroleum engineeringFractal dimensionPhysicsMaterials scienceGeologyComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

As an efficient and environmentally friendly source of energy, shale gas is abundantly available and continues to contribute to the economy growth because of its huge potential for production. However, accurately predicting the transport behavior of shale gas is still challenging due to the small scale and complexity of nanochannels, which impedes the efficiency of recovery. In this paper, the transport behavior of shale gas in nanochannels with fractal roughness is studied by molecular dynamics simulation and theoretical analysis. It is found that the present work functions well to predict the transport behavior of shale gas in nanochannels with roughness. The introduction of fractal roughness hinders the transport of shale gas and leads to a complex trajectory of methane molecules in nanochannels. Furthermore, it is interesting to find the average gas viscosity increases, while the gas flux decreases with the increase in the inclined angle due to the impediment effect after the deflection. These results are helpful for understanding the migration of shale gas in nanochannels with roughness and guiding the improvement of shale gas recovery in practical applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,223

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,227
Écart entre enseignants0,214 · 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 tête enseignante, 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

Citations13
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207