Mathermatical Modeling of Dynamic Mass Transfer in Cyclic Solvent Injection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In a cyclic solvent injection (CSI) process, a solvent gas is cyclically injected, soaked, and released to produce heavy oil. Through this process the operating pressure is decreased and increased cyclically. This causes a dynamically changing pressure gradient across the solvent–oil mixing zone, leading to a convective mixing of solvent and oil in addition to molecular diffusion. This study aims at modeling the effect of pressure gradient-induced convection on the solvent–oil mixing process in the transition zone. A diffusion–convection model is developed to simulate the dynamic solvent–oil mass transfer in the transition zone during the CSI process. This model consists of two sub-models: a pressure model and a solvent concentration model. The pressure model considers the effect of a practical viscosity profile and the concentration model considers the effect of a dynamic convective mass transfer velocity. These two models are coupled through the convection velocity and oil viscosity across the transition zone. The entire model is semi-analytically solved, in which a piecewise linear approximation scheme is applied for the variable convection velocity and viscosity in the transition zone. Results show that during the solvent injection period, convection can significantly enhance the mixing of solvent and heavy oil. Larger solvent injection rates can be more efficient for heavy oil–solvent mass transfer. In addition, it is found that considerable solvent remains in the oil zone at the end of the production period, and this part of solvent is difficult to retrieve within a short time period.
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.
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 découle