MétaCan
Menu
Retour à la cohorte
Enregistrement W3093945403 · doi:10.2118/203848-pa

Characterizing Returning Polymers in Hydraulic-Fracturing Flowback and Produced Water: Implications for Colloid Formation (includes associated erratum)

2020· article· en· W3093945403 sur OpenAlexaffabout
Konstantin von Gunten, Katherine N. Snihur, Ryan T. McKay, Michael J. Serpe, Janice P.L. Kenney, Daniel S. Alessi

Notice bibliographique

RevueSPE Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensMacEwan UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésColloidHydrolysisFourier transform infrared spectroscopyPolymerPolyacrylamideReducerChemistryProduced waterChemical engineeringEnvironmental engineeringEnvironmental scienceOrganic chemistryPolymer chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Summary Partially hydrolyzed polyacrylamide (PHPA) friction reducer was investigated in produced water from hydraulically fractured wells in the Duvernay and Montney Formations of western Canada. Produced water from systems that used nonencapsulated breaker had little residual solids (<0.3 g/L) and high degrees of hydrolysis, as shown by Fourier-transform infrared (FTIR) spectroscopy. Where an encapsulated breaker was used, more colloidal solids (1.1–2.2 g/L) were found with lower degrees of hydrolysis. In this system, the molecular weight (MW) of polymers was investigated, which decreased to <2% of the original weight within 1 hour of flowback. This was accompanied by slow hydrolysis and an increase in methine over methylene groups. Increased polymer-fragment concentrations were found to be correlated with a higher abundance of metal-carrying colloidal phases. This can lead to problems such as higher heavy-metal mobility in the case of produced-water spills and can cause membrane fouling during produced-water recycling and reuse. NOTE: An erratum has been issued for this paper and added to the PDF. A copy is also available under the Supplementary Data section.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,215 · 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

Citations9
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE JournalMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207