MétaCan
Menu
Retour à la cohorte
Enregistrement W2315288124 · doi:10.1021/ie501866e

New Laboratory Core Flooding Experimental System

2014· article· en· W2315288124 sur OpenAlexafffund
Aleksey Baldygin, David S. Nobes, Sushanta K. Mitra

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFlooding (psychology)Water floodingPetroleum engineeringEmulsionEnhanced oil recoveryEnvironmental scienceOil in placeComputer scienceGeologyEngineeringPetroleumChemical engineering

Résumé

récupéré en direct d'OpenAlex

This paper focuses on finding ways to improve the traditional core flooding experimental setup that has been used by the reservoir engineers over the past decades. The new proposed setup can be used in contemporary studies related to enhanced oil recovery. This setup has a possibility of using different flooding agents, e.g., surfactant, polymer, emulsion, oil and water. It also includes an automated effluent analysis, which has been developed to provide estimates on oil recovery efficiency. For validation purposes, the core flooding setup has been tested with an unconsolidated one-dimensional sand pack as a porous medium. Traditional water flooding experiments with paraffin oil and water were conducted at first. Also, two types of emulsion flooding techniques were tested for the sand packs: the direct emulsion flooding and the water flooding followed by the emulsion flooding as an example to exploit the capability of the new setup to successfully perform enhanced oil recovery techniques. Hence, this setup provides a valuable tool for the reservoir engineers to test the different flooding strategies in a laboratory scale experiment, before committing to huge resources in terms of man-power and cost in actual drilling operations in oil reservoirs.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,063
Tête enseignante GPT0,312
Écart entre enseignants0,248 · 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.

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

Citations28
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207