Characterization of Acidic Species in Athabasca Bitumen and Bitumen Heavy Vacuum Gas Oil by Negative-Ion ESI FT−ICR MS with and without Acid−Ion Exchange Resin Prefractionation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Because acids in petroleum materials are known to corrode processing equipment, highly acidic oils are sold at a discount [on the basis of their total acid number (TAN)]. Here, we identify the acidic species in raw Canadian bitumen (Athabasca oil sands) and its distilled heavy vacuum gas oil (HVGO) as well as acid-only and acid-free fractions isolated by use of an ion-exchange resin (acid−IER) and negative-ion electrospray ionization Fourier transform ion cyclotron resonance (ESI FT−ICR MS) mass spectrometry. The ultrahigh mass resolving power ( m /Δ m 50% > 400 000) and high mass accuracy (better than 500 ppb) of FT−ICR MS, along with Kendrick mass sorting, enable the assignment of a unique elemental composition to each peak in the mass spectrum. Acidic species are characterized by class (N n O o S s heteroatom content), type [number of rings plus double bonds to carbon or double-bond equivalent (DBE)], and carbon number distribution. We conclude that the analytical capability of FT−ICR MS and the selectivity of the ESI process eliminate the need for acid fractionation to characterize naphthenic acids in bitumen. However, because the acid-free fraction (not retained on the acid−IER) contains S x O y heteroatomic classes not observed in the parent bitumen, acid−IER fractionation does help to identify such low-abundance species. Further, we observe that a subset of the acids identified in the parent bitumen distill into the HVGO fraction. Variations in the carbon number and aromaticity of the classes are discussed in detail.
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.
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 | 0,001 |
| 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 découle