MétaCan
Menu
Retour à la cohorte
Enregistrement W4403192323 · doi:10.3390/en17194990

On the Use of the Multi-Site Langmuir Model for Predicting Methane Adsorption on Shale

2024· article· en· W4403192323 sur OpenAlexaff
Zhe Wu, Yuan Ji, Ke Zhang, Jing Li, Tianyi Zhao

Notice bibliographique

RevueEnergies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésOil shaleMethaneAdsorptionLangmuirLangmuir adsorption modelShale gasEnvironmental sciencePetroleum engineeringChemical engineeringChemistryGeologyWaste managementEngineeringPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Shale gas, mainly consisting of adsorbed gas and free gas, has served a critical role of supplying the growing global natural gas demand in the past decades. Considering that the adsorbed methane has contributed up to 80% of the total gas in place (GIP), understanding the methane adsorption behaviors is imperative to an accurate estimation of total GIP. Historically, the single-site Langmuir model, with the assumption of a homogeneous surface, is commonly applied to estimate the adsorbed gas amount. However, this assumption cannot depict the methane adsorption characteristics due to various compositions and pore sizes of shales. In this work, a multi-site model integrating the energetic heterogeneity in adsorption is derived to predict methane adsorption on shale. Our results show that the multi-site model is capable of addressing the heterogeneity of shales by a wide range of adsorption energy distributions (owing to the complex compositions and different pore sizes), which is different from the single-site model only characterized by single adsorption energy. Consequently, the multi-site model results have better accuracy against the experimental data. Therefore, applying the multi-site Langmuir model for estimating GIP in shales can achieve more accurate results compared with using the traditionally single-site model.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,065
Tête enseignante GPT0,256
Écart entre enseignants0,191 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207