MétaCan
Menu
Retour à la cohorte
Enregistrement W2057909973 · doi:10.2118/93008-pa

The Key to Predicting Emulsion Stability: Solid Content

2006· article· en· W2057909973 sur OpenAlexaff
Michael K. Poindexter, Shaokun Chuai, Robert A. Marble, Samuel C. Marsh

Notice bibliographique

RevueSPE Production & Operations · 2006
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensNalco (Canada)Nalcor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésEmulsionBottleCrude oilAsphalteneStability (learning theory)ChromatographyChemistryMaterials sciencePetroleum engineeringComputer scienceEngineeringComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Summary Chemical demulsifiers are routinely added in the oil field to effectively resolve water-in-crude-oil emulsions. As used in the common bottle test, demulsifiers, in effect, probe or interrogate emulsion stability strength. Emulsion stability, in turn, is defined by no fewer than three parameters: water drop, oil dryness, and interface quality. All three parameters are direct outputs of the bottle test, and, collectively, all three provide a more complete picture of emulsion stability, as opposed to the use of any singular parameter. By selecting a wide variety of demulsifiers and by performing a standardized bottle test, emulsion stability from a variety of sites can be quantified and compared. By coupling bottle test results with corresponding crude oil analytical data, fundamental questions concerning factors governing emulsion stability can be quantified. The results show that solid content, not asphaltene content or any other crude oil parameter investigated, is by far the best single predictor for gauging emulsion stability. Furthermore, statistical analysis through partition trees shows that emulsion stability is most aptly described using several crude oil parameters, as opposed to one single factor.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,027
Tête enseignante GPT0,260
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations21
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Production & OperationsMême sujetPetroleum Processing and AnalysisTravaux en français237 207