Comparative Evaluation of<i>a</i>Functions and Volume-Translation Strategies to Predict Densities for Gas(es)-Heavy Oil/Bitumen Systems
Notice bibliographique
Résumé
Summary In this work, a unified, consistent, and efficient framework has been proposed to better predict the density of a gas(es)-heavy oil/bitumen system by using the Peng-Robinson equation of state (PR EOS) and Soave-Redlich-Kwong (SRK) EOS together with α functions and volume-translation (VT) strategies, respectively. With a database comprising 218 experimentally measured densities for gas(es)-heavy oil/bitumen systems, five α functions defined at a reduced temperature (Tr) of 0.70 as well as three new α functions at Tr = 0.60 together with four VT strategies are selected and evaluated. For α Functions 1 to 4 defined at Tr = 0.70, VTs 1 to 4 lead to an overall absolute average relative deviation (AARD) of 7.21%, 9.74%, 7.02%, and 7.16%, respectively, for predicting the mixture densities. For α Function 5 defined at Tr = 0.70, these four VT strategies predict the mixture density with an AARD of 3.13%, 5.01%, 2.92%, and 2.56%, respectively. As for the two new α Functions 7 and 8 defined at Tr = 0.60, these four VT strategies predict the mixture density with an AARD of 1.38%, 2.57%, 1.34%, and 1.67%, respectively, among which VT 3 has a very close prediction compared to an AARD of 1.31% obtained from the ideal mixing rule with effective density (IM-E).
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 ».