A Reliable Correlation To Predict the Change in Minimum Miscibility Pressure When CO2 Is Diluted With Other Gases
Notice bibliographique
Résumé
Summary A new genetic algorithm (GA)-based correlation has been developed to estimate the change in MMP when CO2 is diluted with other gases, termed "impure CO2" in the context of this paper. The advantage of this correlation over others is that it can be used for gas mixtures with higher N2 concentrations (tested up to 20 mol%) and with non-CO2 component concentrations up to 78 mol% (e.g., H2S, N2, SOx, O2, and C1−C4) with a higher accuracy. Equally important, it could be a useful screening tool when experimental data are not available and when developing an optimal and economical laboratory program to estimate the MMP. In developing this correlation, the GA software developed in our earlier work (Emera and Sarma 2005a) has been modified to account for various components in the injected-gas stream. The correlation estimates the change in MMP as a function of injected-gas solvency in the oil. The solvency, in turn, is related to critical properties of the injected gas (critical temperature and pressure). In addition, pure CO2/oil MMP is used as an input in this correlation. The correlation has been validated successfully against published experimental data and several correlations in the literature. It yielded a better match with an average error of 4.7% and a standard deviation of 6.3%, followed by the Sebastian et al. (1985) correlation with a 13.1% average error and a 22.0% standard deviation and the Alston et al. (1985) correlation with a 14.1% average error and a 43.2% standard deviation.
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 | 0,001 | 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 ».