MétaCan
Menu
Retour à la cohorte
Enregistrement W2320706491 · doi:10.1021/ef300165m

Effects of Brine Composition on the Adsorption of Benzoic Acid on Calcium Carbonate

2012· article· en· W2320706491 sur OpenAlexaff
Huang Zeng, Fenglou Zou, Géza Horváth‐Szabó, Simon Ivar Andersen

Notice bibliographique

RevueEnergy & Fuels · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensSchlumberger (Canada)
Organismes subventionnairesnon disponible
Mots-clésChemistryAdsorptionCalcium carbonateCarbonateBenzoic acidInorganic chemistrySeawaterBrineAqueous solutionSulfateOrganic chemistryGeology

Résumé

récupéré en direct d'OpenAlex

Most carbonate formations in nature are oil-wet after organic acids have been adsorbed on the grain surface, which lowers the efficiency of water flooding in the carbonate formations. It has been found that seawater or modified seawater can change an oil-wet carbonate surface to water-wet. To optimize the composition of the brines for better recovery, it is necessary to understand the impacts of the key ions (Ca 2+, Mg 2+, SO 4 2– ) on organic acid adsorption. Benzoic acid (BA) was used as a model acid to study the general adsorption of organic acids on carbonate surfaces. 2D gas chromatography–mass spectrometry (2D GC–MS) analysis verified the existence of BA in a crude oil. We report the adsorption isotherms of BA on calcium carbonate from aqueous solutions using an ultraviolet–visible (UV–vis) method. It was found that the amount of formed calcium benzoate and the impact of ions on the UV absorbance of BA must be taken into consideration for the quantification of adsorbed BA. The results show that the absence of Ca 2+ or Mg 2+ does not significantly impact the adsorption of BA on CaCO 3; however, the absence of sulfate ions can significantly increase the adsorption of BA on CaCO 3 .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0030,001

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 Opus0,008
Tête enseignante GPT0,214
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), 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

Citations18
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207