MétaCan
Menu
Retour à la cohorte
Enregistrement W2883959992 · doi:10.1038/s41598-018-29321-w

Spotlight on the New Natural Surfactant Flooding in Carbonate Rock Samples in Low Salinity Condition

2018· article· en· W2883959992 sur OpenAlexaff
Mohammad Ali Ahmadi, Seyed Reza Shadizadeh

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSalinityCarbonateFlooding (psychology)Pulmonary surfactantGeologyNatural (archaeology)Hydrology (agriculture)Environmental scienceMineralogyGeochemistryChemistryGeotechnical engineeringOceanographyPaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract Recently, utilization of surfactant for EOR purposes in carbonate petroleum reservoirs has received the attention of many researchers. Surfactants generally appear to improve oil production through wettability alteration and reduction of interfacial tension (IFT) between oil and water phases. Loss of surfactant due to adsorption process is considered as an unfavorable phenomenon in surfactant flooding while conducting an EOR operation. In this study, a new plant-derived surfactant, called Zyziphus Spina Christi (ZSC), with various magnitudes of salinity is employed. The adsorption behavior of this surfactant is investigated using the conductivity approach to explore the impacts of salt concentration on adsorption rate through batch tests. Core flooding tests are also conducted to study the effects of surfactant/salinity on recovery factor and relative permeability. Employing the kinetics and isotherm models, MgCl 2 and KCl exhibit the greatest and lowest influence on the adsorption phenomenon, respectively. It is also concluded that the pseudo-second order kinetics and Freundlich isotherm model can satisfactorily describe the adsorption behavior of the surfactant onto carbonates in the presence of salt for the kinetics and equilibrium tests conditions, respectively. According to the production history, it is found that increasing surfactant concentration leads to a considerable increase in oil relative permeability and consequently improvement of oil recovery.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,072
Score d'incertitude au seuil0,478

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,239
Écart entre enseignants0,227 · 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

Citations80
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207