An optimization study for preventing silica gelation and improving filtration effectiveness during <scp>pH</scp> reduction of high concentration silica solutions
Notice bibliographique
Résumé
Abstract The steam generation processes at the steam‐assisted gravity drainage facilities result in huge quantities of wastewater streams, which are characterized by high pH and high silica levels. These concentrated streams need to be neutralized before their disposal via down‐hole injection. The neutralization of these high‐pH brines results in the formation of a gel‐like substance, which makes it difficult to filter the amorphous silica gel. The wastewater used in this study was synthetically prepared using sodium metasilicate to mimic high‐concentration silica solutions. Our experiments did not show any advantage of a two‐step pH‐neutralization process over the single‐step process for suppressing silica gelation. A systematic experimental campaign was undertaken to investigate the effects of SiO2 concentration, NaCl:SiO2 ratio, and pH on the residual silica concentration, percent silica removal, filtration rate, and filtration effectiveness. For NaCl:SiO2 ratios higher than 4.5, silica precipitation during pH reduction did not lead to the formation of gel or sol. The response surface methodology (RSM), based on the Doehlert design of experiments, was implemented to optimize the responses and provide high efficacy with fewer experiments. The results from the analysis of variance (ANOVA) analyses of the experimental data were used to evaluate the significance of each term in the quadratic model. 3D response surfaces and 2D contour plots were generated for determining the optimal ranges of independent factors for achieving the maximum silica removal, the highest filtration rate, the best filtration effectiveness, and the minimum residual silica concentration. An optimum operating region was established from the RSM analysis and overlay plot.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».