Zobrazeno 1 - 10
of 82
pro vyhledávání: '"X-ray CT Image"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Wang, Hongsheng
Under current technical levels and industrial systems, geological carbon sequestration (GCS) is a viable solution to maintain and further reduce carbon dioxide (CO2) concentration and ensure energy security simultaneously. The pre-injection formation
Externí odkaz:
http://hdl.handle.net/10919/111624
Publikováno v:
Energies, Vol 16, Iss 17, p 6126 (2023)
The aim of this paper is to analyze the deformation-failure degree and microstructure variations in coal under the cryogenic-freezing effect of liquid CO2. In this paper, X-ray CT scanning technology is adopted to measure the microscopic-morphologica
Externí odkaz:
https://doaj.org/article/0d04978d941541969ce936ab4f8cde07
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Energies, Vol 14, Iss 20, p 6474 (2021)
The deformation analysis of fractures is vital for advantageous development of oil and gas fields, especially the coalbed methane (CBM) reservoir, since the change of fracture parameters can be directly evaluated through fracture deformation analysis
Externí odkaz:
https://doaj.org/article/f4c1f14e60b2487eafa37a3e4e02910d
Autor:
Salek, Md Fahim, Beckingham, Lauren E.
A high-resolution 3D X-ray microscope (Model: Zeiss Xradia 620 Versa) located at Auburn University was utilized to capture the 3D images for this study. To study the effect of image resolution, a set of images were collected at resolutions of 1.25, 2
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::46a7143fbcc121f4d65fb6b3ef739a5f
Publikováno v:
Energies, Vol 13, Iss 21, p 5844 (2020)
This study proposes three-phase saturation identification using X-ray computerized tomography (CT) images of gas hydrate (GH) experiments considering critical GH saturation (SGH,C) based on the machine-learning method of random forest. Eight GH sampl
Externí odkaz:
https://doaj.org/article/4614a43ada234a5cac20132dfff5a5d6
Publikováno v:
Energies, Vol 13, Iss 19, p 5032 (2020)
This study conducts saturation modeling in a gas hydrate (GH) sand sample with X-ray CT images using the following machine learning algorithms: random forest (RF), convolutional neural network (CNN), and support vector machine (SVM). The RF yields th
Externí odkaz:
https://doaj.org/article/82faf284a81c42168bb704f20aee211e
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.