The impact of particle size distribution of haematite‐based drilling fluid on perlite functionality
Notice bibliographique
Résumé
Abstract Drilling fluid additives are essential in formulating an optimal mud composition for the desired geological formation. They provide different functions that enable the drilling process to reach a target zone. However, the effectiveness of these additives may be limited under certain conditions. The physical attributes of the weighting material additives such as solid particle size (particle size distribution [PSD]). The PSD can influence multiple drilling fluid properties, including the rheology, filtration, and filter cake properties. This work examined the performance of perlite when incorporated into water‐based mud with three different grades of haematite particle sizes. The investigation focused on the rheological properties, filtration, and filter cake characteristics utilizing two distinct filtration mediums: the ceramic disk and core sample. The results indicated that the PSD minimally impacts the filtration and the filter cake properties when the pore distribution of the filtration medium is uniform at low drilling mud density. However, a more pronounced effect was observed when core samples were utilized during the filtration test, reflecting the variation in pore distribution. Remarkably, perlite exhibited exceptional effectiveness in improving the drilling fluid properties. Its influence became particularly evident when core samples were employed as the filtration medium, demonstrating resilience against changes in both filtration medium pore distribution and haematite‐varied particle size grades. In this case, maximum improvements of 69%, 84%, and 86% were achieved in filtration volume, filter cake thickness, and filter cake permeability, respectively. Perlite showed an excellent performance at varied conditions represented by filtration medium and weighting material PSD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».