MétaCan
Menu
Retour à la cohorte
Enregistrement W3196316717 · doi:10.3390/en14185665

A Two-Parameter Model for Water-Lubricated Pipeline Transportation of Unconventional Crudes

2021· article· en· W3196316717 sur OpenAlexaff
Sayeed Rushd, Ezz Ahmed, Shahriar Mahmud, SK Safdar Hossain

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensUniversity of Alberta
Organismes subventionnairesKing Faisal UniversityDeanship of Scientific Research, King Faisal UniversityCranfield University
Mots-clésPetroleum engineeringPipeline transportRange (aeronautics)Reliability (semiconductor)Current (fluid)Pipeline (software)Flow (mathematics)Mean squared errorVolumetric flow rateCoefficient of determinationEnvironmental scienceMechanicsMathematicsMaterials scienceThermodynamicsGeologyEngineeringStatisticsMechanical engineeringEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Water-lubricated flow technology is an environmentally friendly and economically beneficial means of transporting unconventional viscous crudes. The current research was initiated to investigate an engineering model suitable to estimate the frictional pressure losses in water-lubricated pipelines as a function of design/operating parameters such as flow rates, water content, pipe size, and liquid properties. The available models were reviewed and critically assessed for this purpose. As the reliability of the existing models was not found to be satisfactory, a new two-parameter model was developed based on a phenomenological analysis of the dataset available in the open literature. The experimental conditions for these data included pipe sizes and oil viscosities in the ranges of 25–260 mm and 1220–26,500 mPa·s, respectively. A similar range of water equivalent Reynolds numbers corresponding to the investigated flow conditions was 103–106. The predictions of the new model agreed well with the experimental results. The respective values of the coefficient of determination (R2) and the root mean square error (RMSE) were 0.90 and 0.46. The current model is more refined, easy-to-use, and adaptable compared to other existing models.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,229

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 savante0,0000,000
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 Opus0,013
Tête enseignante GPT0,223
Écart entre enseignants0,209 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetFluid Dynamics and MixingTravaux en français237 207