Coupled THMC model-based prediction of hydraulic fracture geometry and size under self-propping phase-transition fracturing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The Self-Propping Phase-transition Fracturing Technology (SPFT) represents a novel and environmentally friendly approach for a cost-effective and efficient development of the world’s abundant unconventional resources, especially in the context of a carbon-constrained sustainable future. SPFT involves the coupling of Thermal, Hydraulic, Mechanical, and Chemical (THMC) fields, which makes it challenging to understand the mechanism and path of hydraulic fracture propagation. This study addresses these challenges by developing a set of THMC multifield coupling models based on SPFT parameters and the physical/chemical characteristics of the Phase-transition Fracturing Fluid System (PFFS). An algorithm, integrating the Finite Element Method, Discretized Virtual Internal Bonds, and Element Partition Method (FEM-DVIB-EPM), is proposed and validated through a case study. The results demonstrate that the FEM-DVIB-EPM coupling algorithm reduces complexity and enhances solving efficiency. The length of the hydraulic fracture increases with the quantity and displacement of PFFS, and excessive displacement may result in uncontrolled fracture height. Within the parameters considered, a minimal difference in fracture length is observed when the PFFS amount exceeds 130 m 3 , that means the fracture length tends to stabilize. This study contributes to understanding the hydraulic fracture propagation mechanism induced by SPFT, offering insights for optimizing hydraulic fracturing technology and treatment parameters.
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.
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 | 0,001 | 0,001 |
| 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 découle