MétaCan
Menu
Retour à la cohorte
Enregistrement W2161386325 · doi:10.1080/09593332808618665

Removal of Oil from Produced Water by Coalescence/Filtration in a Granular Bed

2006· article· en· W2161386325 sur OpenAlexaffabout
Lance M. Multon, T. Viraraghavan

Notice bibliographique

RevueEnvironmental Technology · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensOntario Power Generation
Organismes subventionnairesnon disponible
Mots-clésCoalescence (physics)Filtration (mathematics)Suspended solidsVolumetric flow rateCloggingChemistryChromatographyEnvironmental engineeringPulp and paper industryEnvironmental scienceWastewaterMechanicsPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Oil production generates a significant amount of water byproduct known as produced water. Following primary gravity separation, produced water is normally disposed of by injection into the formation from which it came. However, high amounts of suspended solids or oil in the produced water may cause clogging of the injection formation. This study evaluated the effectiveness of coalescence/filtration in treating two produced water samples obtained from Saskatchewan heavy oil production sites. In the coalescence/filtration experiments, percentage removals of oil and suspended solids were observed to be as high as 97 and 91 percent, respectively. Mechanisms of filtration and coalescence were identified and observed through experimental data and mathematical models. The maximum coalescence efficiency observed was three percent at the lowest flow rate. Coalescence efficiencies decreased with increasing flow rate. Experimental data for single and two-phase flow were shown to fit the Carmen-Kozeny filtration equation. Coalescence/filtration satisfied a first order rate equation using the Crickmore model.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,002
Tête enseignante GPT0,157
Écart entre enseignants0,155 · 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

Citations30
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207