Effect of Hydrophobic and Hydrophilic Metal Oxide Nanoparticles on the Performance of Xanthan Gum Solutions for Heavy Oil Recovery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent studies revealed higher polymer flooding performance upon adding metal oxide nanoparticles (NPs) to acrylamide-based polymers during heavy oil recovery. The current study considers the effect of TiO₂, Al₂O₃, in-situ prepared Fe(OH)₃ and surface-modified SiO₂ NPs on the performance of xanthan gum (XG) solutions to enhance heavy oil recovery. Surface modification of the SiO₂ NPs was achieved by chemical grafting with 3-(methacryloyloxy)propyl]trimethoxysilane (MPS) and octyltriethoxysilane (OTES). The nanopolymer sols were characterized by their rheological properties and ζ-potential measurements. The efficiency of the nanopolymer sols in displacing oil was assessed using a linear sand-pack at 25 °C and two salinities (0.3 wt % and 1.0 wt % NaCl). The ζ-potential measurements showed that the NP dispersions in deionized (DI) water are unstable, but their colloidal stability improved in presence of XG. The addition of unmodified and modified SiO₂ NPs increased the viscosity of the XG solution at all salinities. However, the high XG adsorption onto the surface of Fe(OH)₃, Al₂O₃, and TiO₂ NPs reduced the viscosity of the XG solution. Also, the NPs increased the cumulative oil recovery between 3% and 9%, and between 1% and 5% at 0 wt % and 0.3 wt % NaCl, respectively. At 1.0 wt % NaCl, the NPs reduced oil recovery by XG solution between 5% and 12%, except for Fe(OH)₃ and TiO₂ NPs. These NPs increased the oil recovery between 2% and 3% by virtue of reduced polymer adsorption caused by the alkalinity of the Fe(OH)₃ and TiO₂ nanopolymer sols.
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.
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 | 0,001 | 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 découle