MétaCan
Menu
Retour à la cohorte
Enregistrement W4409668065 · doi:10.3390/atmos16050488

External Vibration-Assisted Carbon Dioxide Sequestration in Heavy Oil Reservoirs: The Influences of Frequency and Cavity Distribution

2025· article· en· W4409668065 sur OpenAlexafffund
Shixuan Lu, Zhengyuan Zhang, Liming Dai, Na Jia

Notice bibliographique

RevueAtmosphere · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Regina
Organismes subventionnairesMitacsUniversity of Regina
Mots-clésCarbon dioxideCarbon sequestrationVibrationEnvironmental scienceDistribution (mathematics)Petroleum engineeringMaterials scienceAcousticsGeologyPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

This study investigates the effect of external vibration stimulation on CO2 dissolution behavior in heavy oil reservoirs, focusing on the influence of vibration frequency and cavity distribution within porous media. Experiments reveal that 5 Hz vibration significantly enhances CO2 dissolution, while higher frequencies (10 Hz and 20 Hz) hinder the process. A more homogeneous and extensive distribution of oil-depleted cavities further improves dissolution rates, particularly in post-gas flooding scenarios. The dissolution process, observed under constant pressure conditions, is categorized into three stages: cavity filling, fast dissolution, and slow dissolution. Vibration stimulation effectively enhances the fast dissolution stage but has a minimal impact on the slow dissolution stage. Intermittent vibration shows mixed effects, improving dissolution at 100% oil saturation but reducing rates at 90% saturation due to cavity-induced flow disruptions. These findings demonstrate the potential of vibration-stimulated CO2 dissolution (VS-CO2 dissolution) as a novel technique for enhancing CO2 storage and heavy oil recovery in reservoirs. This study provides critical insights for optimizing vibration frequency and cavity distribution, paving the way for improved field applications of this innovative technology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,592
Score d'incertitude au seuil0,852

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207