MétaCan
Menu
Retour à la cohorte
Enregistrement W2088733061 · doi:10.2118/84610-ms

Classifying Crude Oil Emulsions Using Chemical Demulsifiers and Statistical Analyses

2003· article· en· W2088733061 sur OpenAlexaff
Michael K. Poindexter, Shaokun Chuai, Robert A. Marble, Samuel C. Marsh

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2003
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensNalcor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésBottleEmulsionDrynessAsphalteneDrop (telecommunication)DemulsifierChemistryCrude oilPrincipal component analysisPetroleum engineeringChromatographyPulp and paper industryEnvironmental scienceMaterials scienceComputer scienceMathematicsStatisticsOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Crude oil emulsions are highly complex mixtures that can be stabilized by a number of naturally occurring species and conditions (e.g. asphaltenes, resins, acids, solids, solvency, viscosity, temperature, etc.). Emulsion resolution is often accomplished using chemicals. Optimization of chemical treatment is generally accomplished in the field by bottle testing a large number of potential chemical intermediates and their combinations. Successful chemical formulations are able to drop water rapidly, provide relatively clean interfaces, and produce dry, saleable oil. The very nature of bottle testing produces a large amount of data. Some of the data provides information regarding water drop, while part focuses on breaking the emulsion (i.e. producing dry oil and clean interfaces). To summarize results from multiple test sites, a highly structured bottle test was devised to make comparisons among different oilfield emulsions. Thirty-eight chemical intermediates, tested at two dosages, were evaluated at nine different sites. From the testing, ten bottle test performance parameters (four describing water drop, three describing oil dryness, and three describing the oil-water interface) were analyzed using several statistical methods: analysis of variance, multivariate correlations, cluster analysis, and principal component analysis. The analyses revealed a number of interesting trends. For example, the water drop and oil dryness parameters were found to be more independent of one another than the water drop and interface parameters. These results suggest that water drop and oil dryness are likely governed by two different mechanisms. This work has resulted in several emulsion "maps" where crudes can now be classified with regard to their ability to drop water and break emulsion.

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)0,005
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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,065
Tête enseignante GPT0,340
Écart entre enseignants0,275 · 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

Citations14
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetPetroleum Processing and AnalysisTravaux en français237 207