MétaCan
Menu
Retour à la cohorte
Enregistrement W2314375411 · doi:10.1021/ef200199r

<i>Ex Situ</i> Dissolution of CO<sub>2</sub>: A New Engineering Methodology Based on Mass-Transfer Perspective for Enhancement of CO<sub>2</sub> Sequestration

2011· article· en· W2314375411 sur OpenAlexaff
Sohrab Zendehboudi, Asif Abdullah Khan, Stephen Carlisle, Yuri Leonenko

Notice bibliographique

RevueEnergy & Fuels · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDissolutionMass transferSupercritical fluidBrineCarbon sequestrationCarbon dioxideChemical engineeringConvective mixingMaterials scienceChemistryConvectionThermodynamicsPetroleum engineeringGeologyChromatography

Résumé

récupéré en direct d'OpenAlex

A new methodology is proposed for the acceleration of CO 2 dissolution to lower the risk of CO 2 leakage for carbon capture and storage (CCS) technology. It is called ex situ dissolution because CO 2 is being dissolved at a surface before it is injected underground. This new approach reduces or eliminates possible leakage of CO 2 from underground formation. To achieve full underground dissolution of injected pure supercritical CO 2 or gaseous CO 2 may take thousands of years because of the absence of strong mixing (convective-diffusion dominated processes). Dissolving CO 2 in brine before injection significantly increases the security of geological sequestration. The mass transfer from CO 2 droplets into brine during cocurrent (CO 2 –brine) horizontal pipe flow is studied mathematically to investigate the effectiveness of the proposed method. The dissolution rate of the CO 2 droplets is correlated to the variation of mean droplet diameter versus time, because the mass transfer causes shrinkage of the droplets. Empirical correlations based on Sherwood numbers were employed in the example for calculation of mass-transfer coefficients for droplets of CO 2 in the fluid flowing through a pipe.

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: aucune
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,867

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 Opus0,038
Tête enseignante GPT0,273
Écart entre enseignants0,235 · 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

Citations72
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207