Global and Local Sensitivity Analysis of Heat Transport in Fractured Rock Using a Modified Implementation of the <scp>LH</scp> ‐ <scp>OAT</scp> Method
Notice bibliographique
Résumé
Abstract Thermal remediation of contaminated sites in fractured bedrock is complicated by the characterization and identification of heat transfer between fractures and matrix, and the complex interactions between the hydrogeological and thermodynamic parameters. A three‐dimensional numerical model was applied to investigate these issues using global and local sensitivity analyses for the significance of six variables that potentially influence the heating performance in fractured rock. These variables include the radius and energy delivery strength of the heat source (which were used to study the scale effect and heating processes), the fracture aperture, fracture spacing, groundwater flow velocity, and the thermal conductivity of the rock matrix. A discrete Latin Hypercube‐One‐at‐A‐Time (LH‐OAT) scheme is proposed and utilized as an experimental design and data analysis method for the discrete variables that apply to this case. The results show that at all four monitoring points within the heating area, the radius of the source and energy delivery strength are the most sensitive parameters. To minimize heat dissipation, additional heating wells are demonstrated to be effective for a small or pilot scale site (5 < r < 10 m), while the increase of energy delivery strength is more applicable for larger sites. Extra efforts should be invested to minimize heat dissipation when large fractures (2 b > 1600 μm) are identified in the heating area. Re‐samplings and re‐evaluations with one‐way perturbation in both positive and negative directions are thus suggested to avoid biased results caused by perturbations that occur in only positive or negative directions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».