MétaCan
Menu
Retour à la cohorte
Enregistrement W4321372303 · doi:10.1080/10934529.2023.2178788

Effect of ultrasonic homogenization on crude oil-water emulsion stability

2023· article· en· W4321372303 sur OpenAlexafffund
Nahid Hassanshahi, Guangji Hu, Kenneth Lee, Jianbing Li

Notice bibliographique

RevueJournal of Environmental Science and Health Part A · 2023
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensFisheries and Oceans CanadaUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaUniversity of Northern British Columbia
Organismes subventionnairesFisheries and Oceans Canada
Mots-clésCreamingEmulsionSonicationTurbiditySalinityHomogenization (climate)Materials scienceChromatographyChemistryGeologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This research aims to evaluate the effect of ultrasonic processing parameters (power and sonication time), emulsion characteristics (water salinity and pH) and their interaction on oil-in-water emulsion stability for Cold Lake Blend (CLB) crude oil. Response surface methodology was used to design experimental runs, in which the parameters were investigated at five levels. Emulsion stability was evaluated by measuring creaming index, emulsion turbidity and microscopic image analysis. The effect of crude oil condition (fresh and weathered) on the emulsion stability was also investigated at the optimum sonication parameters and emulsion characteristics. The optimum condition was found at a power level of 76-80 W, sonication time of 16 mins, water salinity of 15 g/L NaCl, and pH of 8.3. Increasing sonication time beyond the optimum value had adverse effect on the emulsion stability. High water salinity (> 20 g/L NaCl) and pH (> 9) decreased the emulsion stability. These adverse effects intensified at higher power levels (> 80-87 W) and longer sonication times (> 16 mins). Interaction of parameters showed that the required energy to generate stable emulsion was within 60 - 70 kJ. Emulsion with fresh crude oil was more stable than those generated with the weathered oil.

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)0,002
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 enseignants0,077
Score d'incertitude au seuil0,181

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,016
Tête enseignante GPT0,292
Écart entre enseignants0,276 · 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

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Science and Health Part AMême sujetPetroleum Processing and AnalysisTravaux en français237 207