In Situ Preparation of Alumina Nanoparticles in Heavy Oil and Their Thermal Cracking Performance
Notice bibliographique
Résumé
This work details a technique for the in situ preparation of alumina nanoparticles in heavy oil and explores their activity with respect to mild thermal cracking. In principle, in situ-prepared nanoparticles display a high level of dispersion, which should improve their catalytic activity. Dispersed alumina nanoparticles 17 ± 5 nm in mean diameter were successfully prepared at 300 °C and characterized using X-ray diffraction, transmission electron microscopy, and energy-dispersive X-ray spectroscopy. The thermal cracking experiments were conducted in a batch reactor setup under two stages of heating at 300 and 350 °C. The pressure buildup in the reactor and the viscosity and °API gravity of the resultant oil were taken as measures of the extent of thermal cracking. Although there was a general shift toward higher °API gravity, it still fell within the level of uncertainty probably due to agglomeration at 350 °C that limited nanoparticle activity. A higher viscosity was obtained for the liquid fraction because of cross-linking. Furthermore, the uptake of hydrocarbon by the in situ-prepared nanoparticles was compared with that of commercial alumina nanoparticles. Uptake values with and without n -heptane or dichloromethane washing suggest different adsorbed species on the two types of particles.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».