Synthesis and preparation of poly (AM-co-AMPS)/GO nanocomposites hydrogel as a rheology modifier and fluid loss controller for use in oil well cementing
Notice bibliographique
Résumé
The aim of the present work is to evaluate the influence of graphene oxide (GO) on copolymer nanocomposites hydrogel structure based on acrylamide (AM) and 2-acryloamido-2-methylpropane sulfonic acid (AMPS) in the presence of the N, N-methylene-bis-acryl-amide (NMBA) by the free radical copolymerization technique. The influence of poly (AM-co-AMPS)/GO as a rheology modifier along with fluid loss controller on the rheological and mechanical properties of brine cement slurry was also investigated. The characterization results confirmed the synthesis of AM monomer and AMPS and showed their grafting with GO surface. The poly (AM-co-AMPS)/GO hydrogel improved the rheological properties of the cement slurry as compared to conventional cement slurry. Furthermore, free water and fluid loss of cement slurry declined by adding the copolymer nanocomposites hydrogel at elevated temperatures. Moreover, not only the thickening time of cement slurry dropped but also, the compressive strength increased with a rise of nanocomposites hydrogel concentrations. However, the nanocomposite hydrogels showed a great effect on early compressive strength than the final compressive strength. The results of this investigation revealed the excellent performance of crosslinked structure of copolymer nanocomposites hydrogel due to the linking of sulfonated AMPS and AM on the surface of GO nanosheet in the attendance of NMBA. This renders greater stability to the cement slurry against salinity and temperature changing of well formations during cementing operation. Thus, poly (AM-co-AMPS)/GO as a suitable rheology modifier and property enhancer can be applied in oil well cementing.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».