文献
J-GLOBAL ID:201802235868891947   整理番号:18A0284644

細孔要素の水力学的コンダクタンスをパラメータ化するための新しい方法:細孔形状単純化せずに細孔ネットワーク生成に向けた一歩【Powered by NICT】

A new way to parameterize hydraulic conductances of pore elements: A step towards creating pore-networks without pore shape simplifications
著者 (7件):
資料名:
巻: 105  ページ: 162-172  発行年: 2017年 
JST資料番号: A0816B  ISSN: 0309-1708  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
細孔ネットワークモデルは,重要な流れと輸送機構を記述するのに有用であり,多くの基礎的および工業的応用に関連した種々の多孔質媒体の流れ特性を予測することが分かった。細孔ネットワークは非常に速く計算フレームワークを提供し,細孔の大きな体積のシミュレーションを可能にした。これは細孔要素の有効特性と幾何学的特性の間に有意な細孔空間簡素化及び線形/指数関数的関係のために可能である。そのような関係を活用するために,細孔ネットワーク要素は通常,円形,三角形,正方形および他の基本的な形状により単純化した。しかし,このような仮定は輸送特性の不正確な予測をもたらした。本論文では,細孔ネットワークは細孔形状単純化せずに構築できることを提案した。hypothesizeを試験するために,砂岩と炭酸塩岩試料の3D X線マイクロトモグラフィー画像からの32922D細孔要素断面積を抽出した。真円度,凸性と各細孔要素の伸びに基づいて,無次元の水力学的コンダクタンスを予測するためのニューラルネットワークを訓練した。最適ニューラルネットワークを直接数値シミュレーション結果と比較して20%の誤差限界内にある予測の90%を提供した。著者らの新しい手法により,細孔ネットワークをパラメータ化するために新しい道を開く,細孔形状単純化をすることなく,細孔ネットワークモデルの新しいクラスを生成するために将来の改善について概説した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (3件):
分類
JSTが定めた文献の分類名称とコードです
固-液界面  ,  固体の乾燥  ,  不均質流 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る