Deriving the Molecular Composition of Middle Distillates by Integrating Statistical Modeling with Advanced Hydrocarbon Characterization
Notice bibliographique
Résumé
To fully advance our understanding of hydrocarbon conversion chemistry requires powerful analytical methods to qualitatively and quantitatively characterize complex petroleum fractions at the molecular level. In the absence of such tools, an alternative solution is to model the molecular composition of hydrocarbon mixtures with limited analytical data. The objective of this study is to integrate modeling techniques with conventional and advanced petroleum characterization methods to derive the composition of middle distillate fractions at the molecular level. In the present approach, analytical petroleum characterization data are used as input to computationally generate a mixture of representative molecules that mimics the properties of the real sample. The representing molecules are constructed according to coherent chemical/thermodynamic criteria by Monte Carlo sampling of a set of statistical functions assigned to each possible molecular feature. The assembled mixture is built on a large set of chemical species and is further optimized with the principle of Maximum Entropy. The approach is applied to simulating two middle distillates differing significantly in hydrocarbon type composition and origin. The samples are experimentally characterized by standard and advanced analytical methods: density, simulated distillation, elemental analysis, hydrocarbon types/distributions and sulfur compound speciation by two-dimensional gas chromatography with flame ionization detector (GC × GC–FID) and sulfur chemiluminescence detector (GC × GC–SCD), and 13 C nuclear magnetic resonance (NMR), to obtain sufficient information for parameter fitting and model validation. Simulation results showed that the model is capable of generating representative mixtures that reasonably match the actual physical samples in analytical properties and carbon number distributions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».