Advances in Tools to Monitor Souring and Corrosion in Oil and Gas Fields
Notice bibliographique
Résumé
Abstract Microorganisms contribute to souring and corrosion in oil and gas field systems. Biocides and/or nitrate can be used to mitigate the negative effects associated with these microbial activities. In order to determine the success of or the need for these measures we use a number of analytical tools on aqueous or solid field samples: (i) spectrophotometric and HPLC assays are used to monitor key analytes (sulfate, sulfide, nitrate, nitrite and others), (ii) microbial assays are used to determine numbers and activities of key microbes and (iii) sequencing of PCR amplicons, typically of a portion of the 16S rRNA genes is used to determine microbial community compositions in field samples. The trick is to combine the information to arrive at a comprehensive view of what is happening and what action may be needed. For instance, a shale gas and a shale oil field in North West Canada, appear to have similar water chemistry. Both are highly saline but halophilic (salt loving) SRB were only found in samples from the shale oil not in those from the shale gas field, which appears related to the different temperatures in these fields of 30-35°C and 75-100°C, respectively. Hence, mitigation measures aimed at killing bacteria downhole may be appropriate for these shale oil but not for these shale gas 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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».