MétaCan
Menu
← Retour à la cohorte
Enregistrement W2771017890 · doi:10.4028/www.scientific.net/ddf.379.181

Nonlinear Behaviour of Mass Transfer Mechanisms in Solvent Oil Recovery

2017· article· en· W2771017890 sur OpenAlexaff
Shelley Lorimer, Caine Smithaniuk

Notice bibliographique

RevueDefect and diffusion forum/Diffusion and defect data, solid state data. Part A, Defect and diffusion forum · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésMass transferSolventNonlinear systemDiffusionDispersion (optics)ThermalAdvectionPorous mediumWork (physics)MechanicsFront (military)Heat transferChemistryThermodynamicsMaterials sciencePorosityPhysicsOrganic chemistryOpticsMeteorology

Résumé

récupéré en direct d'OpenAlex

Literature has indicated that, experimentally, solvent fronts in hybrid thermal solvent recovery processes progress more rapidly than what can be predicted using current approximations and more rapidly than thermal processes alone [1]. The equations that govern thermal multiphase flow through porous media are extremely complex and it is very difficult to decouple the contribution of the mass transfer mechanisms from the thermal effects. This paper explores the behavior of the mass transfer mechanisms in these processes through an examination of the nonlinear one-dimensional advection diffusion/dispersion (ADD) equation using finite difference methods. Earlier work [2] indicated that the linear ADD equation, using physically estimated parameters for diffusion and dispersion coefficients obtained from the literature, could not account for the solvent front progression rate predicted by Edmunds [3]. The results in this preliminary study indicate that the nonlinear effects are important in predicting the progression of a solvent front using the one dimensional ADD equation. The shapes and rate of propagation of the concentration profiles are influenced by both velocity and diffusion functionality. These results are more consistent with the solvent front propagation rate predicted by Edmunds [3]. These results also suggest that including nonlinear effects in traditional reservoir simulation software may be necessary in the modeling of solvent processes. Further work is needed to explore and understand the influence of the velocity and diffusion functionality necessary to mimic the behaviour observed in thermal solvent recovery processes and to further increase the understanding of their impact on solvent front propagation.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,273
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'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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDefect and diffusion forum/Diffusion and defect data, solid state data. Part A, Defect and diffusion forum→Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→