Magnetic Nanoparticles for Efficient Removal of Oilfield “Contaminants”: Modeling of Magnetic Separation and Validation
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.
Notice bibliographique
Résumé
Abstract In this work, we present the study of an efficient method of separating “contaminants” from water produced from oil reservoirs, using magnetic nanoparticles (MNPs). Micron-scale, highly stable oil droplets as well as divalent cations such as Ca2+ can be removed from the produced water through the adsorption onto functionalized MNPs. The method employs MNPs to initially attach to the oil droplets or to the cations, and then to separate them from the liquid phase using a magnetic field. After separating out the “contaminant”-free water, the MNPs can be regenerated and re-used. As the collection of the contaminant-attached MNPs by the application of magnetic field gradient is a critical step for the process, we developed a 1D mathematical model for the description of the dynamics of the MNP collection in the framework of the sedimentation theory. The conservation equation for MNPs is coupled with the flux function, which accounts for not only gravity force but also magnetic force and Brownian interaction. The model describes both the behavior of colloidal particles during settling and the enhancing effects of the magnetic field due to attraction of MNPs towards a magnet. Simulations were compared with measurements from settling tests of a suspension of MNPs.
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 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 découle