MétaCan
Menu
Retour à la cohorte
Enregistrement W2599472509 · doi:10.1021/acs.iecr.7b00432

The Effect of Dispersed Phase Salinity on Water-in-Oil Emulsion Flow Performance: A Micromodel Study

2017· article· en· W2599472509 sur OpenAlexaff
Sepideh Maaref, Shahab Ayatollahi, Nima Rezaei, Mohsen Masihi

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensMemorial University of NewfoundlandUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEmulsionBrineSalinityMicromodelSurface tensionPorous mediumChemical engineeringChemistryPetroleum engineeringChromatographyPorosityGeologyThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In this work, the effect of brine salinity on water-in-oil emulsion flow performance in porous media is studied as it imposes a significant challenge to oil production in the petroleum industry. A crude oil sample from an Iranian oilfield and synthetic brine with different salinities (40–140 g/L salt) are used. The results show that the emulsion viscosity and interfacial tension increase slightly with salinity, while they do not considerably affect the flow behavior. The emulsion stability analysis shows that larger w/o emulsion droplets are formed for higher brine salinity, which potentially block more pore spaces through straining and interception mechanisms. This phenomenon resulted in lower emulsion recovery and higher pressure changes at a higher brine salinity. The emulsion recovery at higher brine salinity was 12.5% less than that of the lower one. The tests show that some of the captured droplets could re-entrain into the main flow stream at higher capillary numbers, resulting in a better sweep efficiency.

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)0,002
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 enseignants0,050
Score d'incertitude au seuil0,766

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 recherche0,0000,002
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 Opus0,053
Tête enseignante GPT0,357
Écart entre enseignants0,304 · 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

Citations77
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207