4. Correlating the Chemical and Physical Properties of a Set of Heavy Oils from around the World
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction Heavy oil has recently become an important resource as conventional oil reservoirs have limited production and oil prices rise. More than 6 trillion barrels of oil in place have been attributed to the world's heaviest hydrocarbons (Curtis et al., 2002). Therefore, heavy-oil reserves account for more than 3 times the amount of combined world reserves of conventional oil and gas. Of particular interest are the large heavy-oil deposits of Canada and Venezuela, which together may account for approximately 55%–65% of the known less than 20° American Petroleum Institute (API) gravity oil deposits in the world (Curtis et al., 2002). Heavy oils cover a large range of API gravities, from 22° for the lightest heavy oils to less than 10° for extra-heavy oils. This wide range of values means that heavy oils vary greatly in their physical properties. Thus, extensive research is required before the properties of heavy oil can be properly understood. Several prevailing issues are seen repeatedly in various fields around the world, including how to make measurements on unconsolidated sandstone cores, production of sand with oil and its effect on formation, exsolution gas drive of heavy oil, understanding the control of viscosity and other physical properties of heavy oils, and monitoring of steam recovery processes. Simply, the high viscosity of heavy oils limits its extraction by traditional methods.
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.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle