Application of a Regular Solution-Based Model to Asphaltene Precipitation from Live Oils
Notice bibliographique
Résumé
A previously developed regular solution approach was adapted to model asphaltene precipitation caused by compositional changes and depressurization. The model inputs are the mass fraction, molecular weight, density, and solubility parameters for each component. A Gulf of Mexico crude oil was characterized into components, and mass fractions were assigned on the basis of gas chromatographic and saturates, aromatics, resins, and asphaltenes (SARA) analysis. Densities for pentane plus and SARA fractions were obtained from published data. For lighter components, effective densities were determined from extrapolated n -alkane data. The density of the live oil from 80 to 120 °C and pressures from 10 to 100 MPa was predicted to within the error of the data assuming ideal mixing. Solubility parameters of each component were determined as a function of the temperature and pressure. The only unknown was the average molar mass of the asphaltene nano-aggregates in the oil, which was used to fit the measured precipitation onset pressure data. The model successfully predicted asphaltene yield data below the onset pressure for the live oil as well as yields for the dead oil diluted with n -heptane. The results indicate that a common characterization can be used to model both solvent- and pressure-induced precipitation. However, the pressure-induced precipitation is very sensitive to the average aggregate molar mass. Thus, the predictive capability of this approach is limited.
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) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».