X-ray Diffraction (XRD)-Derived Processability Markers for Oil Sands Based on Clay Mineralogy and Crystallite Thickness Distributions
Notice bibliographique
Résumé
An X-ray diffraction (XRD) methodology has been developed for characterizing clays in unextracted oil sands. Application of the new technique to five estuarine and five marine ores directly identified three clay mineral properties that may impact bitumen recovery: (1) The specific surface area of illite was significantly greater for four oil sand ores identified as problematic in batch extraction unit tests. (2) The correlation of illite/kaolinite XRD peak area ratios with bitumen recovery produced a processability classification similar to that proposed in earlier work. (3) Significant amounts of chlorite, as measured by XRD, were observed only in marine oil sands; this may provide a means to distinguish marine from estuarine ores. A combination of XRD analysis on separated clays and laser diffraction determination of clay contents provided a quantitative estimate for the illite and kaolinite contents of the oil sands. Also, the contribution from ultrathin illite and kaolinite for each oil sand (i.e., the mass fractions of illite and kaolinite with crystallite thicknesses of 1−3 composite layers) was determined. This methodology thus provides a direct method for the determination of the ultrafines content in unextracted oil sands and obviates the necessity for the time-consuming wet chemistry technique for separation of this component. For the 10 oil sands analyzed here, ultrathin crystallites occurred almost entirely in the illite clay fraction. The amount of ultrathin illite was critical and closely matched the ultrafines concentration required to cause sludging (gelation) in the primary separation vessel, with concomitant loss of bitumen recovery during extraction.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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 tête enseignante, 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 ».