Hybrid Intelligent Modelling of the Viscoelastic Moduli of Coal Fly Ash Based Polymer Gel System for Water Shutoff Treatment in Oil and Gas Wells
Notice bibliographique
Résumé
Qualitative polymer gels exhibiting considerable viscoelastic properties are of immense significance in the petroleum industry as they curtail excessive water production during the tertiary stage of crude oil production. The incorporation of suitable organic or inorganic solid substances into the polymer gel system strengthens its viscoelastic properties. This research work presents hybrid gravitational search algorithm (GSA) and support vector regression (SVR) as novel modelling tools for viscoelastic properties estimation of polymer gel synthesized from polyacrylamide (PAM)/polyethyleneimine (PEI). The coal fly ash (CFA) was incorporated in PAM/PEI gel in order to enhance its viscoelastic characteristics. The hybrid GSA‐SVR models were developed using real‐life experimental data. The results of the models validated using unseen data show a high degree of correlation coefficients (87.3 % for elastic modulus and 97.2 % for viscous modulus), with experimental data generating a small root mean square error (coefficients 669.5Pa for elastic modulus and 38.5Pa for viscous modulus). The developed hybrid models were further used to scrutinize the effect of the addition of various amounts of CFA on the PAM/PEI viscoelastic properties and observed behaviours were presented and discussed. The predictive capability of the developed hybrid model coupled with its strength in modelling the impact of CFA in the PAM/PEI gel are highly meritorious and the outcomes from this investigation would be relevant during the design and formulation of polymer gels employed for water shutoff treatment during hydrocarbon 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».