Shale Pore Investigation beyond the Practical Pore Resolution Limits of Scanning Electron Microscopy
Notice bibliographique
Résumé
Characterizing diverse pore types is essential for optimizing resource exploration in shale formations. Scanning electron microscopy (SEM) is the primary tool for this analysis; however, its practical pore resolution (PPR) limit of 30 nm hinders the quantitative analysis of smaller pores. To address this challenge, we introduced a method for characterizing mesopores below the SEM’s PPR threshold, focusing on the interclay mineral mesopores in Chang-7 shale as a case study. We employed low-pressure nitrogen adsorption and SEM to analyze the overall mesopore structures, confirming their self-similarity and dominance of interclay mineral mesopores. SEM digital analysis was used for the quantitative examination of interclay mesopores exceeding the PPR threshold. Additionally, a fractal model was developed using data from these larger mesopores and their fractal properties to predict the size distribution of super-PPR mesopores (2–30 nm). To validate this approach, we applied a same modeling method to predict the pore size distribution in the 30–60 nm range, and compared these predictions with measured values. With relative root-mean-square error (RRMSE) values ranging from 9.98 to 19.80%, our approach demonstrates high accuracy. This research advances mesopore characterization methods and offers deeper insights into hydrocarbon mobility and pore genesis in shale formations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».