Water Enhancement Using Nanoparticles in Water Alternating Gas (WAG) Micromodel Experiments
Notice bibliographique
Résumé
Abstract Nanotechnology has found widespread application in a diverse range of industries. Researchers are now investigating whether nanotechnology can be applied to enhance oil recovery (EOR). The goal of enhanced oil recovery is to manipulate the fluid-fluid properties (interfacial tension, viscosity), and fluid-rock properties (contact angle, relative permeability) between the injected fluid and the residual oil phase to improve pore scale recovery efficiency. Adding nanoparticles to the injected water has been shown to improve oil recovery. In this study, nanoparticles were added to the water phase of water alternating gas (WAG) and injected into waterflood residual oil in two dimensional glass micromodels to study the effect of the nanoparticles qualitatively at low pressures. Silicon oxide (SiO2) and aluminum oxide (Al2O3) nanoparticles, at different concentrations, were dispersed in the brine and injected as the water phase in WAG followed by air as the gas phase. Response Surface Methodology (RSM) was used to investigate the effect of the factors and interactions between the factors on oil recovery. The results from the micromodel studies indicate that adding a small amount of nanoparticles to the brine can enhance residual oil recovery.
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 ».