Standardized High-Performance Liquid Chromatography to Replace Conventional Methods for Determination of Saturate, Aromatic, Resin, and Asphaltene (SARA) Fractions
Notice bibliographique
Résumé
One of the main approaches for compositional analysis of crude oils is SARA fractionation in which the sample is separated into saturate, aromatic, resin, and asphaltene fractions based on their polarity. A fully automated standardized SARA analysis for bitumen and heavy crudes has been developed and optimized using three commercial columns packed with different stationary phases based on the combination of adsorption and partition chromatography. The system is equipped with automated six-, eight-, and ten-port switching valves that control the flow direction. In this analytical technique, a bitumen (or heavy oil) sample diluted in toluene is swept through the column by pentane as the primary carrier phase. The sample is separated into four fractions by selective retention through interactions with the solvent mobile phases and the column stationary phases. The poly(tetrafluoroethylene) (PTFE) column filters asphaltenes, ZORBAX CN absorbs resins, and ZORBAX RX-SIL retains aromatics. Three samples of bitumen and heavy oils were fractionated to their SARA fractions by the developed method. Consistent results were obtained, proving the applicability of the new analytical technique to a wide range of crude oil samples. In addition, the performance of the developed SARA high-performance liquid chromatography (HPLC) method was compared with the conventional method, which demonstrates that it is more efficient, cost-effective, and consistent.
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 | 0,000 | 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 ».