MétaCan
Menu
Retour à la cohorte
Enregistrement W1991018132 · doi:10.1080/10916460802706497

Visualization and Quantification of Asphaltinic-Heavy Oil Displacement by Co-Solvents at Different Wettability Conditions

2009· article· en· W1991018132 sur OpenAlexaff
Ali Dehghan, Riyaz Kharrat, Mohammad Hossein Ghazanfari

Notice bibliographique

RevuePetroleum Science and Technology · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMicromodelAsphalteneWettingSolventChemical engineeringChemistryHydrocarbonEnhanced oil recoveryPetroleumPetroleum engineeringMaterials scienceChromatographyPorous mediumOrganic chemistryGeologyPorosity

Résumé

récupéré en direct d'OpenAlex

Despite numerous experimental studies, there is a lack of fundamental understanding on how the chemical composition of a co-solvent at different wettability conditions might affect the pore-scale events and oil recovery efficiency in 5-spot models. In this study visualization of solvent injection experiments performed on a one-quarter five spot glass micromodel, which was initially saturated with the crude oil. One hydrocarbon solvent was considered as base, and four other groups of commercial chemicals, as well as their mixtures, were used as co-solvents. Microscopic and macroscopic displacement efficiency of solvent mixtures in both strongly water-wet and oil-wet media has been studied. It has been observed that small aggregates of asphaltene can improve oil recovery to some extent during early stages of solvent injection. Different groups of chemicals showed various effects on oil recovery based on their nature. An optimum mixture with some percent of commercials containing alcohol group with greatest sweep efficiency was found. The observations confirmed that the presence of connate water in strongly water-wet medium could improve the final recovery, while the effect of wettability in absence of connate water was at minimum.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,279
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePetroleum Science and TechnologyMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207