MétaCan
Menu
Retour à la cohorte
Enregistrement W2240704032 · doi:10.1021/acs.energyfuels.5b01951

Predicting the Viscosity of Hydrocarbon Mixtures and Diluted Heavy Oils Using the Expanded Fluid Model

2015· article· en· W2240704032 sur OpenAlexaff
F. Ramos-Pallares, F. F. Schoeggl, Shawn D. Taylor, Marco A. Satyro, Harvey W. Yarranton

Notice bibliographique

RevueEnergy & Fuels · 2015
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensSchlumberger (Canada)University of Calgary
Organismes subventionnairesnon disponible
Mots-clésViscosityHydrocarbon mixturesChemistryHydrocarbonSolventThermodynamicsMixing (physics)Absolute deviationOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The expanded fluid (EF) viscosity model was recently developed for petroleum applications. While petroleum fluids can be modeled as a single-component fluid, process calculations often require that the fluid be treated as a mixture of pseudo-components. For mixtures, the EF model mixing rules require binary interaction parameters, α ij, between each component pair in the mixture, which are fitted to experimental data. In this study, a generalized correlation is developed for these interaction parameters as a function of the specific gravity and hydrogen/carbon ratio of the mixture components. The proposed correlation was developed on the basis of a data set that included viscosity and density literature data for pure hydrocarbon pairs at room temperature and atmospheric pressure and new data for pseudo-pairs of heavy oil/solvent at temperatures from 21 to 175 °C, pressures up to 10 MPa, and solvent contents up to 40 wt %. The correlation was assessed on a distinct test data set that included viscosity data for pure hydrocarbon mixtures from the literature, new data for deasphalted crude oils diluted with paraffinic and aromatic solvents, and new data for crude oils diluted with similar solvents. The viscosities of the development and test data sets were predicted with an overall average absolute relative deviation (AARD) of 13 and 10%, respectively, compared to 36 and 50%, respectively, when ideal mixing, α ij = 0, was assumed. Finally, the correlation was tested on an independent data set from the literature, including viscosity data for crude oils diluted with a variety of solvents. The viscosities of the independent data set were predicted with an overall AARD of 14%, as compared to 30% when ideal mixing, α ij = 0, was assumed. The deviations obtained with the correlated α ij are almost as low as those obtained when fitting the data by adjusting α ij .

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
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
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,023
Tête enseignante GPT0,248
Écart entre enseignants0,225 · 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'étudeSimulation ou modélisation
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

Citations39
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetPetroleum Processing and AnalysisTravaux en français237 207