Rheological Modeling of Sustainable Drilling Fluid Optimized for Electromagnetic Geophysical Exploration
Notice bibliographique
Résumé
Abstract In borehole environments, the use of optimized imaging fluids is critical for enhancing Ground Penetrating Radar (GPR) data quality by mitigating the adverse electromagnetic effects caused by water. The novel imaging fluid developed at the Drilling Technology Laboratory (DTL) of Memorial University of Newfoundland offers a unique solution, utilizing optimized electromagnetic properties to significantly improve signal clarity during borehole electromagnetic surveys. Despite the promise of this fluid, there has been a notable gap in the detailed study of its rheological behavior, which is essential for effective application, particularly in fluid circulation and placement in borehole operations. This study addresses this gap by conducting an in-depth analysis of the rheological properties of this E-M compatible imaging fluid, formulated with weighting agents of different grain sizes. Results from experimental measurements were utilized to model the fluid’s behavior using several mathematical models, including Bingham Plastic, Power Law, Herschel-Bulkley, Casson, and Robertson-Stiff models. By comparing the experimental results with theoretical predictions using statistical techniques such as RMSE, absolute average percentage error (ϵAAP), and standard deviation of average percentage error (SDϵAAP), the Herschel–Bulkley and the Robertson and Stiff rheological models accurately predicts fluid rheology for API Barite and Micro Barite weighting agent fluids. This research not only fills the critical gap in understanding the rheology of the developed E-M compatible imaging fluids but also establishes a foundation for selecting the optimal rheological model for hydraulic calculations, improving the overall efficacy of electromagnetic surveying in borehole environments.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».