Permeability and Methane Adsorption Capacity through Nanopore Modeling: A Case Study of Shale in the Sichuan Basin
Notice bibliographique
Résumé
Shale pores are characterized by a wide size distribution, limited throat connectivity, and complex morphology. An accurate and comprehensive quantitative and qualitative description of shale pore structure is a fundamental requirement for evaluating shale reservoir capacity and developing shale gas exploration and development plans. In this paper, shale pores were characterized by the N 2 adsorption/desorption, low-pressure CO 2 adsorption, mercury injection capillary pressure (MICP), focused ion beam-scanning electron microscopy (FIB-SEM), and three-dimensional reconstruction methods. The results of N 2 adsorption/desorption and CO 2 adsorption indicate that the micropores (<2 nm in diameter) are extremely developed and play a dominant role in the specific surface area of shale, while the mesopores (2–50 nm) and macropores (>50 nm) contribute more to the pore volume of shale. The FIB-SEM and three-dimensional reconstruction visualizes that most mesopores and macropores are detected in organic matter but are poorly interconnected. Nanopore modeling of supercritical CH 4 adsorption results indicates that micropores and fine mesopores play a dominant role in the adsorption capacity of shale. Permeability simulations at the nanoscale further clarify that increased tortuosity significantly reduces permeability. This study provides insights to deeply understand gas adsorption and permeability from the nanoscale perspective.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».