MétaCan
Menu
Retour à la cohorte
Enregistrement W2049500820 · doi:10.2118/138129-ms

Mass Diffusion Into Bitumen: A Sub-Pore Scale Modeling Approach

2010· article· en· W2049500820 sur OpenAlexafffund
Saeed Taheri, Apostolos Kantzas, Jalal Abedi

Notice bibliographique

RevueCanadian Unconventional Resources and International Petroleum Conference · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPorous mediumDiffusionEffective diffusion coefficientMass transferPorosityAsphaltSolventMaterials scienceMolecular diffusionSoil vapor extractionDiffusion processAnomalous diffusionDiffusion equationThermodynamicsChemistryChromatographyComposite materialComputer sciencePhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The increased interest in the production of heavy oil and bitumen has amplified attention paid to solvent-based methods for heavy oil recovery, such as vapor extraction (VAPEX) or miscible flooding. The diffusion of solvent into oil plays a major role for all the solvent-based recovery methods. Since the diffusion process is governed by the diffusion coefficient, the accurate prediction of mass transfer of the solvent in heavy oil and bitumen is extremely important. The concentration dependency of the diffusion coefficient differs from sample to sample and is determined experimentally in the laboratory. What is measured in the lab as the diffusion coefficient is influenced by different porous medium properties during the solvent injection. Therefore, an effective diffusion coefficient is defined for porous media, which has a dependency on the medium properties. The main goal of this paper is the prediction of an accurate value for the effective diffusion coefficient from experimentally measured values of diffusion considering the properties of the porous medium. The medium in this paper can be a micro model pattern, thin section, tomographic image or microscopic picture. The picture is analyzed by an image processing program to distinguish the pore and grain sections. After gridding the pore regions of the picture, virtual porous medium properties are extracted by applying the Navier-Stoke and continuity equations as the governing equations. The diffusion equation is applied to the medium to find the concentration profile of the solvent in the porous medium, and the effective diffusion coefficient of the system is computed from the concentration profile. An extensive investigation of the effects of medium properties on the diffusion coefficient will lead to the capability of predicting the effective diffusion coefficient for other media with different patterns and properties.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,206
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Unconventional Resources and International Petroleum ConferenceMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207