Monitoring Bitumen−Solvent Interactions with Low-Field Nuclear Magnetic Resonance and X-ray Computer-Assisted Tomography
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
This work involves the detection and monitoring of solvent interactions with heavy oil and bitumen. Two nondestructive methods low-field nuclear magnetic resonance (NMR) and X-ray computer-assisted tomography (CAT) were used. It is shown that low-field NMR can be a very useful tool in understanding the relationship of viscosity, density, and asphaltene precipitation in bitumen−solvent mixtures. Such mixtures are present in solvent-related heavy oil and bitumen recovery processes, such as vapor extraction (VAPEX). As a solvent comes into contact with a heavy oil or bitumen sample, the mobility of hydrogen-bearing molecules of both solvent and oil changes. These changes are detectable through changes in the NMR relaxation characteristics of both the solvent and the oil and can be correlated to mass flux and concentration changes. Based on Fick's second law, diffusion coefficients were calculated for combinations of three oils and six solvents. X-ray CAT scanning was also used in parallel for analysis of solvent diffusion into the bitumen. As the solvent was diffusing into the bitumen, a concentration gradient was obtained. Concentration values at certain times were used to calculate diffusion coefficients, which were compared with results obtained from NMR data, using both an analytical method and a numerical method. The diffusion coefficients were considered either as constants or as functions of solvent concentration in two models that have been developed during this research. The overall diffusion coefficients calculated for several pairs of oils and solvents at different ratios, both by NMR data and X-ray tomography, were on the order of 10 - 6 cm 2 /s.
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 | 0,000 |
| 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 découle