Study of Ionic Liquids as Effective Solvents for Enhanced Heavy Oil Recovery
Notice bibliographique
Résumé
Injecting chemicals in reservoirs is an efficient technique to improve oil recovery. In this study, several types of Ionic Liquids (ILs) were initially screened using the Conductorlike Screening Model for Realistic Solvents (COSMO-RS) model. COSMO-RS, in particular, is capable of providing predictions of the thermodynamics properties of ILs. A comprehensive screening study of 148 probable cations and 46 anions was performed in order to shed some light on the interaction of ILs with hydrocarbons via the calculation of the capacity of the screened ILs to hydrocarbons fractions and water. The most suitable ILs for our purposes were chosen, and employed for improving heavy oil (14o API) recovery from sand pack at room conditions taking the cost, physical and chemical properties of the ILs into consideration. The selected ILs were 1-Dodecyl-3- methylimidazolium chloride [DMIM][Cl], 1-Ethyl-3-methylimidazolium acetate [EMIM][Ac], 1-Ethyl-3-methylimidazolium methyl sulfate [EMIM][MS], 1-Hexyl-3- methylimidazolium tetrafluoroborate [HMIM][Bf4], 1-Butyl-3-methylimidazolium bis(trifluoromethylsulfonyl)imide [BMIM][Tf2N], 1-Methyl-3-octylimidazolium tetrafluoroborate [MOIM][Bf4], 1-Methyl-3-octylimidazolium hexafluorophosphate [MOIM][PF6], 1,3-Dimethylimidazolium tosylate [dMIM][TOS], 1-Benzyl-3- methylimidazolium tosylate [BenzMIM][TOS], N-methylpyridinium tosylate [MPyr][TOS], 1-Ethyl-3-methylimidazolium chloride [EMIM][Cl], 1-Benzyl-3- methylimidazolium chloride [BenzMIM][Cl], and Trihexyltetradecylphosphonium chloride [THTDPh][Cl].
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 | 0,000 | 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 | 0,001 | 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) | 0,002 | 0,001 |
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 ».