MétaCan
Menu
Retour à la cohorte
Enregistrement W2312441268 · doi:10.1021/ef2000079

Wettability Alteration of Clay in Solid-Stabilized Emulsions

2011· article· en· W2312441268 sur OpenAlexaff
Tianmin Jiang, George J. Hirasaki, Clarence A. Miller, Samson Ng

Notice bibliographique

RevueEnergy & Fuels · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensSyncrude (Canada)
Organismes subventionnairesnon disponible
Mots-clésKaoliniteWettingEmulsionChemistrySodium silicatePulmonary surfactantChemical engineeringOil sandsAqueous solutionSilicateAsphaltMineralogyMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Processing of bitumen froth obtained from surface mining process of Athabasca oil sands yields stable water-in-diluted bitumen emulsions. Even with a demulsifier, a “rag layer” forms between the oil and free water layers when clay solids are present. Experiments reveal that wettability of clay solids has a significant effect on emulsion stability. Kaolinite in toluene–brine mixture was chosen as model system to study clay wettability alteration related to emulsion separation in bitumen froth treatment. Sodium naphthenate was added to simulate the presence of naphthenic acid in diluted bitumen. The fraction of the kaolinite that settled to the bottom of the aqueous phase was measured, and was referred to as “water-wet fraction”, to characterize the wettability of kaolinite. Without any additives, 96% of the kaolinite was water-wet. Addition of only 100 ppm sodium naphthenate reduced the water-wet fraction to only 18%. Wettability of kaolinite was altered by pH control, silicate, and surfactant under different mechanisms. Addition of 366 ppm silicate at pH 10 resulted in 80% of kaolinite being water-wet. To prevent emulsion formation at high pH, cationic and amphoteric surfactants were evaluated as an alternative to alkali. Over 90% of kaolinite became water-wet when adding alkyl quaternary ammonium bromide, betaine, or amine oxide with optimal dosages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,048
Score d'incertitude au seuil0,476

Scores Codex et Gemma par catégorie

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 Opus0,017
Tête enseignante GPT0,242
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 tête enseignante, 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

Citations36
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207