Extension of the Expanded Fluid Viscosity Model to Characterized Oils
Notice bibliographique
Résumé
The Expanded Fluid (EF) viscosity model for Newtonian fluids is extended to crude oils characterized as mixtures of defined components and pseudo-components. The EF models take the fluid density, dilute gas viscosity, pressure, and fluid composition as inputs and requires three fluid-specific parameters, c 2, c 3, and ρ s o, for the fluid or its components. Generally, experimental viscosity data are required to determine these values for each component. In this study, an internally consistent estimation method was developed to predict the fluid-specific parameters of the model for hydrocarbons when no experimental viscosity data are available. The method uses n -paraffins as the reference system and correlates the fluid-specific parameters for hydrocarbons as departures from the reference system. The method was evaluated against viscosity data of over 250 pure hydrocarbon compounds and petroleum distillation cuts. The model predictions were within the same order of magnitude of the measurements, with an overall average absolute relative deviation of 31%. The method was then used to calculate the correlation parameters for the pseudo-components of nine dead and live oils characterized on the basis of their gas chromatography (GC) assays. The viscosities of the crude oils were predicted within a factor of 3 of the measured values using the measured density of the oils as the input. The applicability of the EF model was also demonstrated using the densities determined with the Peng–Robinson equation of state. A simple method was proposed to tune the model to available viscosity data using a single multiplier to the c 2 parameter (and also to c 3 and ρ s o if necessary) of the pseudo-components. Single-parameter tuning of the model improved the viscosity prediction for the characterized oils to within 30% of the measured values.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».