Bio‐enhanced oil recovery ( <scp>BEOR</scp> ) methods: All‐important review of the occasions and challenges
Notice bibliographique
Résumé
Abstract Bio‐enhanced oil recovery (BEOR) is an advanced and innovative approach in the oil industry that could be a potential solution to increase oil production from existing reservoirs using technologies based on biological methods. Nevertheless, there has been a lack of comprehensive reviews that elucidate the various aspects and potential of different BEOR methods and processes. This review summarizes the recent progress of various methods employed in BEOR, exploring their applications and highlighting their distinct advantages. BEOR employs different techniques, including microorganisms and biomicrobes microbial enhanced oil recovery (MEOR), enzymes, biopolymers, bionanomaterials, alkaline, and biosurfactants to increase oil recovery. Microorganisms contribute significantly to BEOR through metabolic processes that result in the production of gases and acids. The role of enzymes is to enhance the fluid flow and thereby facilitate oil production. Biosurfactants reduce the interfacial tension (IFT) between oil and water and mobilize the trapped oil. Biopolymers are obtained from biological sources such as plants, microorganisms, and algae. Biopolymers can interact with oil, which is well‐used in the process of EOR. Bionano processes represent a fusion of biology and nanotechnology, integrate the advantages of both microorganisms and nanoparticles, and provide a synergic effect for EOR. The BEOR revealed an attractive potential to be an effective approach to maximizing the oil recovery considering environmental, economic productivity, and sustainability issues. Also, this review encourages further studies and development in this field for fully exploiting BEOR's capacity and meeting the ever‐increasing needs of energy resources with a sustainable viewpoint.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».