MétaCan
Menu
Retour à la cohorte
Enregistrement W2606944374 · doi:10.3997/2214-4609.201700350

Surfactant-steam-noncondensible Gas-foam Modeling for SAGD Process in the Heavy Oil Recovery

2017· article· en· W2606944374 sur OpenAlexaboutno aff
Zhijing Zhou, Lin Cheng

Notice bibliographique

RevueProceedings · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSurface tensionEmulsionSeparator (oil production)Pulmonary surfactantPetroleum engineeringSteam injectionEnhanced oil recoverySteam-assisted gravity drainageMaterials scienceChemical engineeringDispersion (optics)Oil sandsComposite materialGeologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

Summary SAGD(steam assisted gravity drainage) is a mature technology to recover the heavy oil and oil sands in the Alberta. Owning to the reservoir heterogeneity and fluid properties differences, nonuniform steam chamber formed along the horizontal well leading to lower recovery Foam is dispersion of gas in a continuous water phase with thin films (lamella), acting as a separator. surfactant mobilizes the high viscous oil by emulsification and reduction of interfacial tension.Adding surfactants also lowers the interfacial tension at the water-oil interface and further produces water in oil or oil in water emulsion. In situ emulsion generation is thus another active mechanism that is involved as a result of surfactants presence. Noncondensible gas could enhance the steam foam by reducing the affection of liquid phases condensation and evaporization. Due to the above properties, gravity override is consequently limited.The existence of noncondensible gas contributes to foam stability. The phase behavior for emulsification regulates different relative permeability regimes into the oil flow. We find that adding surfactant,condensable gas and foam contributes to higher production and leads to less steam consumed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,277
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedingsMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207