MétaCan
Menu
Retour à la cohorte
Enregistrement W2772283707 · doi:10.1063/1.5016786

Adsorption mechanisms of emulsified crude oil droplets onto hydrophilic open-cell polymer foams

2017· article· en· W2772283707 sur OpenAlexafffund
Pavani Cherukupally, Juan P. Hinestroza, Ramin Farnood, Amy M. Bilton, Chul B. Park

Notice bibliographique

RevueAIP conference proceedings · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAdsorptionTurbidityEmulsionChemical engineeringBase (topology)Surface chargeChemistryIonOil dropletElectrostaticsPolymerPolyurethaneCrude oilChromatographyMaterials scienceOrganic chemistryPetroleum engineering

Résumé

récupéré en direct d'OpenAlex

Polyester/polyurethane open cell foam is examined for oil field water treatment. The oil droplet adsorption is influenced by foam-droplet bonding due to surface chemical interactions. Of the possible adsorption, acid-base, electrostatic (ES), and hydrophobicity interactions are among the most important. To determine the role of acid-base interactions on the adsorption, foam Ka and Kb values were measured. The foam is found to be a stronger base. To evaluate ES affect, adsorption experiments were performed for a series of emulsion pH levels using crude oil-in-water emulsions which were adjusted to acidic, neutral, and basic conditions. It was found that the turbidity removal rates (adsorption-separation quantification) were substantially increased during acidic conditions due to active interaction with the basic sites at the foam surface. Specifically, at pH5 the turbidity removal rates were faster perhaps due to optimal charge concentration and mobility of the ions where the electrostatic repulsion is minimal. At basic conditions, the turbidity removal rates were too slow could be due to electrostatic repulsive forces between hydroxyl ions-droplets and droplet-base foam. Based on the experimental results, to minimize the energy input, the separation process will be performed at pH5 where the turbidity rates are found to maximum.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,174
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
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 Opus0,022
Tête enseignante GPT0,253
Écart entre enseignants0,231 · 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.

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

Citations6
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207