Characterization of Heavy Oils and Bitumens 2. Improving the Prediction of Vapor Pressures for Heavy Hydrocarbons at Low Reduced Temperatures Using the Peng−Robinson Equation of State
Notice bibliographique
Résumé
An enhanced form of the temperature-dependent attractive pressure term of the Peng−Robinson equation of state (PR EOS) was developed. The function was developed using experimental vapor pressures from the NIST Standard Reference Data Base #103 as well as vapor pressures estimated based on the Nji et al. (2008) vapor pressure prediction correlation. 6000 vapor pressure data points from 237 diverse hydrocarbons were used in this study to develop the new attractive term. The quality of predicted vapor pressures using the modified PR EOS for heavy hydrocarbons showed a significant improvement when compared against the standard equation of state. Between reduced temperatures of 0.3 and 0.8, the average and maximum absolute percentage deviations for the predicted vapor pressures for the modified PR EOS are 4.9% and 78.0%, respectively, as compared to 10.4% and 230% for the standard PR EOS. For hydrocarbons from methane to tetralin corresponding to C 1 −C 10, the average and maximum absolute percentage deviations in the vapor pressures using the standard Peng−Robinson are 5.7% and 70.7%, respectively. Using the modified PR EOS, the average and maximum percentage deviations in the calculated vapor pressures are 4.6% and 35.6%, respectively. This enhanced attractive pressure term combined with the critical property estimation method presented by Nji et al. (2008) provides a simple and self-consistent method for the prediction of thermodynamic properties of heavy hydrocarbons.
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 ».