MétaCan
Menu
Retour à la cohorte
Enregistrement W4293659901 · doi:10.3390/coatings12091257

Identification and Analysis of Corrosion Mechanisms for Ground Pipelines with Hanging Rings

2022· article· en· W4293659901 sur OpenAlexaff
Yuntao Xi, Yidi Li, Yang Yao, Qingming Gan, Yixu Wang, Lei Wang, Wen Lei, Shilei Li, Daoyong Yang, Jiangtao Ji, Shubin Lei

Notice bibliographique

RevueCoatings · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensUniversity of Regina
Organismes subventionnairesState Key Laboratory of Metastable Materials Science and TechnologyNational Natural Science Foundation of China
Mots-clésCorrosionScanning electron microscopeMaterials sciencePerforationCalcium carbonateCorrosion inhibitorMortarMetallurgyChemical engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Recently, corrosion perforation has been frequently seen in surface pipelines in the oil and gas industry, resulting in operational and environmental challenges. Due to the complex characteristics and mechanisms of such corrosion, a new and pragmatic method has been designed to identify and evaluate the corrosion phenomenon via a hanging ring installed in a surface pipeline. In addition to respectively analyzing the ions of water samples with chemical titration, ion chromatography, and mass spectrometry, the micro-surface morphology of the corroded hanging rings was observed and evaluated by using a scanning electron microscope (SEM) equipped with energy dispersive spectroscopy (EDS), and the surface composition of the corroded hanging rings was analyzed by using X-ray diffraction (XRD). The water ions of each selected position were found to mainly contain Ca2+, Ba2+, SO42−, and HCO3−, while the barium scale and calcium carbonate scale were formed in situ. In addition to the common corrosion induced by CO2, corrosion induced by both CO2 and H2S leads to extremely serious corrosion and scaling in surface pipelines. In addition, the injection dose of corrosion inhibitor was also evaluated.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,235

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 Opus0,017
Tête enseignante GPT0,256
Écart entre enseignants0,239 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetCorrosion Behavior and InhibitionTravaux en français237 207