Prediction of the <scp>ASTM</scp> and <scp>TBP</scp> distillation curves and specific gravity distribution curve for fuels and petroleum fluids
Notice bibliographique
Résumé
Abstract A predictive approach called the six‐point method is developed to construct distillation curves of different petroleum fluids based on the information of six points of the distillation curve at volume percentages (5, 10, 30, 50, 70, and 90). Indeed, six diverse mathematical equations are developed, which establish relationships between the six mentioned distillation temperatures and physical properties ( and ) of petroleum fluids. Having predicted the six points, a third‐order polynomial curve can easily be fitted over these data. Accordingly, the six‐point method is well capable of predicting the distillation curve of both American Society for Testing and Materials (ASTM) D86 and true boiling point (TBP) data for any arbitrary petroleum fluid using only their physical properties. Two auxiliary relations are also presented to estimate the physical properties that may not be available for a petroleum fraction. These relations enable the model to receive pairs of () and () as input parameters, instead of (). A useful transfer function is also developed to convert the TBP curve predicted by the six‐point method to the specific gravity distribution curve. Furthermore, a new set of experimental data obtained from the distillation test is also presented in this work. The experiment has been performed on the petroleum cuts resulting from the crude oil atmospheric distillation unit and Linear Alkyl Benzene (LAB) production unit. The model performance was carefully evaluated against a wide range of literature data as well as new experimental data provided in this study, and the mean of average absolute deviations (AAD%) values was 1.98% for about 233 samples, including 2039 data points.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».