Improved Mobility of Magnetite Nanoparticles at High Salinity with Polymers and Surfactants
Notice bibliographique
Résumé
Engineered nanoparticles have been proposed for use as contrast agents to enhance geophysical characterization of oil and gas reservoirs. Under saline conditions and in the presence of fine materials, nanoparticle mobility in porous media can be severely limited. To address this issue, a series of column experiments was performed to evaluate the ability of selected polymers and surfactants to enhance the transport of magnetite nanoparticles (nMag) coated with cross-linked polymers in the presence of American Petroleum Institute (API) brine (8 wt % NaCl + 2 wt % CaCl 2 ). Aqueous suspensions containing nMag and API brine were injected at pore-water velocities of 2 ± 0.04 m/day or 10 ± 0.40 m/day through columns packed with either 40–50 mesh Ottawa sand or 60–170 mesh crushed Berea sandstone. When nMag (2500 mg/L) was introduced into Ottawa sand, 97% of the injected mass was recovered in the column effluent, indicating high mobility under saline conditions. However, the injection of nMag (2500 mg/L) into crushed Berea sandstone resulted in >60% nMag retention within the column. In order to improve delivery, nMag (2500 mg/L) was co-injected with 1000 mg/L hydroxyethyl cellulose (HEC-10), which increased nMag mobility 2-fold (78% effluent recovery). Co-injection of nMag with 1000 mg/L Gum Arabic or Calfax 16L-35, an anionic surfactant, resulted in slightly lower effluent recoveries of 72% and 69%, respectively. A preflood with 1000 mg/L HEC-10, followed by the injection of nMag alone (2500 mg/L), yielded an additional 20% improvement in nMag mobility (93% effluent recovery), suggesting that HEC-10 screened nMag attachment sites. A multisite nanoparticle transport model that accounts for heterogeneous mineralogy with variable attachment kinetics was able to accurately reproduce the effluent concentration data. Coupled with the observed 7-fold reduction in maximum retention capacity, the model parameter fits provide further evidence to support a site-blocking mechanism. These findings demonstrate the potential for relatively small additions (0.1%) of commercially available polymers and surfactants to greatly improve nMag mobility in porous media.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».