Separating the Signals from Clay Bound Water and Heavy Oil in NMR Spectra of Unconsolidated Samples
Notice bibliographique
Résumé
Abstract Low-field nuclear magnetic resonance (NMR), whether implemented in a logging tool, bench top analyser or on-line sensor, cannot detect the complete response of heavy oil or bitumen. Both heavy oil and bitumen relax quickly so the spectra from these samples at room temperature appear mostly at relaxation times less than 10 ms. The contribution of heavy oil to the NMR spectrum is distinct in samples that are free of clays or contain bulk water and it is consequently possible to calculate oil and water content based on NMR spectra. Solids content is then determined by difference. However, samples that contain clays and/or relatively little water produce spectra that are more difficult to interpret because the relaxation times of clay bound water are in the same range as bitumen. Experimental results from mixtures containing a layer of illite, kaolinite or montmorillonite in sand exposed to mild brine shows clay bound water to have a characteristic response. These NMR "signatures" were used to develop predictive nomographs of clay content. A second set of experiments involved adding heavy oil to the same samples and the changes in NMR spectra after exposure to heavy oil were compared to the spectra obtained before oil was added. The differences identified in this work allowed for improvements in calculating water, oil and/or solids content and a preliminary predictive algorithm for clay content determination is presented. The purpose of this work is to allow one to more accurately separate the contributions of heavy oil and clay bound water despite the fact that these will overlap in an NMR spectrum from a sample. Improved characterization of oil sands and recovery from these formations are possible consequences of this work.
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 ».