MétaCan
Menu
← Retour à la cohorte
Enregistrement W4309554912 · doi:10.1002/cjce.24772

Kinetics of bitumen extraction from oil sands using organic solvents

2022· article· en· W4309554912 sur OpenAlexvenueno aff
Wei Yuan, Peiliang Zhu, Zhuang Kang, Yinlu Sun

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Liaoning ProvinceNational Natural Science Foundation of China
Mots-clésOil sandsAsphaltMass transferExtraction (chemistry)DichloromethaneKineticsSolventKinetic energyChemistryVolume (thermodynamics)Chemical engineeringChromatographyMaterials scienceOrganic chemistryThermodynamicsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The kinetic study of bitumen extraction from oil sands is significant for efficiency improvement and reactor design in industrial applications. Here, an improved pseudo‐first‐order kinetic model was established with the assumption of a constant Sherwood number, which took into account the mass transfer area. Five organic solvents were used for the extraction kinetics of the prepared bitumen microbeads. The improved pseudo‐first‐order kinetic model exhibited excellent fitting effects. Petroleum ether/dichloromethane was proved to be the best solvent. The results also showed an exponential decrease in the diameter of the bitumen microbeads and a linear increase in mass transfer coefficients with time for all the solvents. The kinetics of bitumen extraction from oil sands using different solvents were predicted according to the corresponding average mass transfer coefficients. The experimental results confirmed that the improved kinetic model was capable of describing the mass transfer process of bitumen extraction from oil sands.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,995
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical Engineering→Même sujetPetroleum Processing and Analysis→Travaux en français237 207→