MétaCan
Menu
Retour à la cohorte
Enregistrement W2939847887 · doi:10.1080/10408436.2019.1588706

Unveiling Corrosion Behavior of Pipeline Steels in CO<sub>2</sub>-Containing Oilfield Produced Water: Towards Combating the Corrosion Curse

2019· article· en· W2939847887 sur OpenAlexaff
Peter Adeniyi Alaba, Sunday Adedigba, Sunday Felix Olupinla, Oluranti Agboola, Samuel Eshorame Sanni

Notice bibliographique

RevueCritical reviews in solid state and materials sciences/CRC critical reviews in solid state and materials sciences · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesUniversiti Malaya
Mots-clésCorrosionBrineProduced waterSupercritical fluidPipeline transportMaterials scienceCarbon dioxideCarbon steelMetallurgyCarbonic acidNatural gasChemical engineeringPetroleum engineeringChemistryEnvironmental scienceEnvironmental engineeringGeologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The presence of carbon dioxide (CO2) in oilfield produced water, which could be natural or intentionally injected component in oil and gas production, is extremely corrosive to pipelines and tubings. Oilfield produced water is mainly brine solution comprising organic acids, purely condensed water as well as aggressive ions like SO42−, Cl− and dissolved acid gases (like CO2). CO2 induced corrosion in this media is more detrimental than corrosion induced by HCl. This study critically unveiled the CO2 corrosion behavior of steel in oilfield produced water. The subjects covered include the chemistry of CO2 in water, supercritical CO2 condition, computational fluid dynamics (CFD) and corrosion control. Corrosion resistant alloy has been proved to exhibit remarkable corrosion resistance due to formation of strong protective film that can prevent localized corrosion. Moreover, the use of viable surface-active compounds, which are constituents of crude oil is a promising strategy for pipeline steel corrosion mitigation.

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)0,021
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,025
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0210,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,058
Tête enseignante GPT0,383
Écart entre enseignants0,324 · 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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical reviews in solid state and materials sciences/CRC critical reviews in solid state and materials sciencesMême sujetCorrosion Behavior and InhibitionTravaux en français237 207