Evolutionary Mechanisms of Deep Coal Rock Chemical Structures Under Various Pre-Fracturing Fluids
Notice bibliographique
Résumé
Hydraulic fracturing is an effective method for enhancing coalbed methane (CBM) recovery. The injected fluids affect the chemical and physical structures of coal, resulting in diverse stimulation effects. While most current research primarily focuses on alterations in pore-fracture structures, few studies have examined or compared the changes in chemical structures during the fracturing process. This study presents a comparative analysis of the effects of five types of pre-fracturing fluids—slick water, acid solutions, and oxidant solutions—on coal, with the aim of identifying the similarities and differences in how these fluids modify the chemical structure of coal. The results indicate that, after being treated by five pre-fracturing fluids, the aromaticity index (I) increased, and the degree of aromatic condensation polymerization (DOC) decreased. The length of the aliphatic chain (L) increased after being treated by PAM but decreased after being treated by acids and oxidizers. Additionally, the graphitization (g) of all coal samples increased. Among the treatments, the combined acid system of hydrochloric acid (HCl) and hydrofluoric acid (HF) demonstrated a more pronounced effect on enhancing aromaticity and graphitization of the microcrystalline structure compared to HCl alone. Sodium hypochlorite (NaClO) had the most significant impact on the ordering of the macromolecular structure, while hydrogen peroxide (H2O2) exerted the most pronounced effect on the graphitization of the microcrystalline structure. These findings contribute to a deeper understanding of the interaction mechanisms between fracturing fluids and coal, providing theoretical support for the efficient development of CBM.
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 | 0,000 | 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) | 0,000 | 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 ».