Fractal Analysis of the Pore Structure of Marine Shale in the Sichuan Basin
Notice bibliographique
Résumé
The fractal characteristics of shale significantly influence pore distribution patterns and surface roughness, thus impacting reservoir properties such as permeability, porosity, and diffusion coefficients. However, existing studies have not fully characterized these fractal features, particularly in ultralow-pressure regions. This study comprehensively investigated the fractal characteristics of shale by integrating low-pressure N 2 adsorption, CO 2 adsorption, mercury intrusion, focused ion beam-scanning electron microscopy (FIB-SEM), and three-dimensional reconstruction techniques. The Sierpinski fractal model was employed to determine fractal dimensions in the ultralow-pressure interval based on the N 2 isotherms and adsorption mechanism. By extracting pores from images obtained using the FIB-SEM technique, the fractal dimensions ( D 3 ) of the three-dimensional digital cores were calculated based on the box-counting model. Additionally, investigating the correlation between porosity and D 3 values revealed a direct logarithmic relationship between porosity and D 3 values. This correlation suggests that the fractal dimensions in shale can extend to other physical parameters associated with porosity. A machine learning algorithm was applied to predict the fractal dimensions of shale from the Sichuan Basin. These findings not only deepen the understanding of shale reservoir properties but also offer a solid theoretical foundation for shale gas development and enhanced recovery.
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 | 0,002 | 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 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 ».