MétaCan
Menu
Retour à la cohorte
Enregistrement W2593184416 · doi:10.1021/acs.jced.6b00619

Improvement on the Viscosity Models for the Effects of Temperature and Pressure on the Viscosity of Heavy Crude Oils

2017· article· en· W2593184416 sur OpenAlexaff
Brittany MacDonald, Adango Miadonye

Notice bibliographique

RevueJournal of Chemical & Engineering Data · 2017
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésViscosityAsphaltPetroleum engineeringLight crude oilRheologyCrude oilPhysical propertyOil viscosityEnvironmental scienceThermodynamicsProcess engineeringChemistryMaterials scienceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

With the industrial need for oil creating a growing scarcity of light, transport-efficient oil, a need for more readily transportable heavy crude is being developed. The processes of production and pipeline transportation of heavy crude oil require an understanding of material composition and physical and rheological characteristics, and the changes which occur at different process parameters. Typically this would require a series of expensive and wasteful experiments, done by exposing various crudes to varied processing conditions, such as pressure and temperature, which through exposure produce changes in the oil properties but are overall inefficient. Modeling eliminates these needs as a simple equation can predict heavy crude oil characteristics given parameters of use. This study comparatively examines a new simplistic, semiempirical equation against current empirical models for the viscosity of Tangleflags and Athabasca bitumen. The equation gave values of relatively low percent errors for the effect of temperature and pressure on viscosity based on one viscosity measurement.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,232 · 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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical & Engineering DataMême sujetPetroleum Processing and AnalysisTravaux en français237 207