MétaCan
Menu
Retour à la cohorte
Enregistrement W2324978635 · doi:10.1021/ef4000837

Modeling and Prediction of Asphaltene Adsorption Isotherms Using Polanyi’s Modified Theory

2013· article· en· W2324978635 sur OpenAlexaff
Juliana Giraldo, Nashaat N. Nassar, Pedro Benjumea, Pedro Pereira‐Almao, Farid B. Cortés

Notice bibliographique

RevueEnergy & Fuels · 2013
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesDepartamento Administrativo de Ciencia, Tecnología e Innovación (COLCIENCIAS)
Mots-clésAsphalteneAdsorptionWettingThermodynamicsPermeability (electromagnetism)PorosityResponse surface methodologyPorous mediumChemistryDeposition (geology)Crude oilMaterials scienceChemical engineeringPetroleum engineeringChromatographyOrganic chemistryGeology

Résumé

récupéré en direct d'OpenAlex

The deposition of asphaltenes is one of the most difficult problems to overcome in crude oil production and processing. The presence of asphaltenes in crude oil and, consequently, the adsorption and deposition of asphaltenes on rock surfaces, affects rock properties such as porosity, permeability, and wettability. In this study, a novel model for modeling and predicting adsorption isotherms of asphaltenes based on Polany’s modified theory is proposed. This approach enables prediction of adsorption isotherms at different temperatures (usually corresponding to reservoir temperatures), thereby improving our understanding of adsorption–equilibrium behavior at reservoir conditions, which should lead to reductions in experimental/analytical time and operation costs. The theoretical predictions of isotherms were validated successfully by determining the root-mean-square errors (RSM%) between data obtained from published literature and values predicted for asphaltenes and surfaces with differing chemical natures. The RSM% value is below 5% for all predictions. Additionally, the Dubinin–Astakhov model is used to correlate adsorption characteristic curves, resulting in RSM% values lower than 10%.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,689
Score d'incertitude au seuil0,416

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,017
Tête enseignante GPT0,222
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 tête enseignante, 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

Citations50
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetPetroleum Processing and AnalysisTravaux en français237 207