MétaCan
Menu
Retour à la cohorte
Enregistrement W2071836600 · doi:10.1080/10916460500411796

Liquid-phase Mutual Diffusion Coefficients for Heavy Oil + Light Hydrocarbon Mixtures

2007· article· en· W2071836600 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevuePetroleum Science and Technology · 2007
Typearticle
Langueen
DomaineChemistry
ThématiqueDiffusion Coefficients in Liquids
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Alberta
Mots-clésDiffusionAsphaltViscosityThermodynamicsHeptaneChemistryPhase (matter)Light crude oilMaterials scienceOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract: Liquid-phase mutual diffusion coefficients are a key parameter in reservoir simulation models related to both primary production and envisioned secondary recovery processes for heavy oil and bitumen. The measurement of liquid-phase mutual diffusion coefficients in bitumen and heavy oil + light hydrocarbon or gas mixtures present numerous experimental and data analysis challenges due to the viscosity and opacity of the mixtures, the variability of density, viscosity and mutual diffusion coefficient with composition, and the multi-phase nature of these mixtures. Data analysis challenges are particularly acute. For example, recently reported mutual diffusion coefficient values for liquid mixtures of bitumen + carbon dioxide vary over three orders of magnitude when different analysis methods are applied to the same experimental data. In this contribution, we illustrate the importance of measuring composition profiles within liquids as a function of time, as a basis for mutual diffusion coefficient computation, and for allowing explicitly for the variation of diffusion coefficient and liquid density with composition in the analysis of composition profile data. Such inclusions eliminate apparent temporal variations of mutual diffusion coefficients and yield values consistent with relevant theories and exogenous data sets. Liquid-phase mutual diffusion coefficients computed for the mixtures Athabasca Bitumen + pentane and Cold Lake Bitumen + heptane exemplify the experimental and data analysis approaches. Keywords: bitumencoefficientdatadiffusionexperimenthydrocarbonliquidmixturemutualtheory ACKNOWLEDGMENTS The authors thank Professor A. Kantzas at the University of Calgary for providing access to the Cold Lake bitumen + heptane composition profile data. Professor E. S. Meadows at the University of Alberta, Professor J. Abedi at the University of Calgary, Dr. M. Satyro at VMG, and Dr. D. Coombe at CMG all made valuable suggestions at various stages of this work. We also acknowledge and appreciate the financial support from the sponsors of the NSERC-Industrial Research Chair in petroleum thermodynamics: Alberta Energy Research Institute, Albian Sands Energy Inc., Computer Modeling Group Ltd., Conocophillips Inc., Imperial Oil Resources, NEXEN Inc., Natural Resources Canada, Petroleum Society of the CIMM, Oilphase-DBR, Oilphase—a Schlumberger Company, Schlumberger, Syncrude Canada Ltd., NSERC. Notes *Standard deviation.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,007
Tête enseignante GPT0,276
Écart entre enseignants0,269 · 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