MétaCan
Menu
Retour à la cohorte
Enregistrement W2947209000 · doi:10.1002/jsde.12305

Application of the Hydrophilic–Lipophilic Deviation Concept to Surfactant Characterization and Surfactant Selection for Enhanced Oil Recovery

2019· article· en· W2947209000 sur OpenAlexfundno aff
Thu Nguyen, Laurie Poindexter, Jorge Fernández

Notice bibliographique

RevueJournal of Surfactants and Detergents · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueSurfactants and Colloidal Systems
Établissements canadiensnon disponible
Organismes subventionnairesSasolUniversity of Toronto
Mots-clésPulmonary surfactantMicroemulsionChemistryAlkylChemical engineeringEnhanced oil recoverySurface tensionAlcoholChromatographyThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The hydrophilic–lipophilic deviation (HLD) concept has been demonstrated to be useful in determining characteristic curvature (Cc) of a surfactant. Cc is a surfactant parameter that reflects the hydrophobicity/hydrophilicity or the tendency of the surfactant to form microemulsions in an oil–water system. In order for the Cc value to be calculated, the formation of the optimum Winsor III microemulsion of oil and water systems under specific salinity and temperature conditions is required. Surfactant Cc values have been widely used to quantitatively screen and select a suitable surfactant in formulations for different application areas, especially enhanced oil recovery (EOR). The HLD concept is an effective tool for designing new surfactant molecules to meet the target Cc value for a specific formulation condition. The HLD equation indicates the dependence of a microemulsion system on the changes of various system parameters. This article demonstrates how the HLD equation can be derived in different ways depending on the characteristics of the surfactant to identify the proper experimental approach so that the Cc values of different types of surfactants can be determined. Three types of surfactants were studied, including nonionic alcohol ethoxylates, anionic alkyl propoxy ethoxy sulfates, and carboxylates. The application of the HLD concept to surfactant selection for EOR application was also demonstrated.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,212
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), 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

Citations54
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Surfactants and DetergentsMême sujetSurfactants and Colloidal SystemsTravaux en français237 207