MétaCan
Menu
← Retour à la cohorte
Enregistrement W4402454986 · doi:10.11159/htff24.124

Study on A Method for Measuring the Viscosity Of High Water-Content Heavy Oil-Water Mixture

2024· article· en· W4402454986 sur OpenAlexvenueno aff
Xingshen Sun, Lei Hou, Xuepeng Liu, Yifan Xiong, Zuoliang Zhu

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2024
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésViscosityWater contentEnvironmental scienceOil viscosityHeavy waterPetroleum engineeringMaterials scienceGeologyGeotechnical engineeringPhysicsComposite materialNuclear physics

Résumé

récupéré en direct d'OpenAlex

In Chinese heavy oil fields, the significant increase of water content in the produced fluids has made high water-content heavy oil-water mixture more common.In the measurement of viscosity of high water-content heavy oil-water mixture, the rotational viscometer method (RVM) cannot be applied, and the current stirring method has a problem that heavy oil is unable to be stirred uniformly at low speeds and deviates from actual operating conditions at high speeds.A stirring method with alternating high and low stirring speeds was designed in this study.The high-low speed stirring method (HLSSM) utilizes a short window period during high speeds when oil and water were coarsely dispersed to realize the viscosity measurement at low speeds.Comparison experiments indicate that the viscosity measured by this method reflects the shear-thinning behavior of non-Newtonian fluid, which is consistent with theoretical expectations.Furthermore, compared with the flow loop method (FLM), the average relative deviation for Oil A is 6.16%, with an average absolute deviation of 3.23 mPa•s, and for Oil B, the average relative deviation is 2.61%, with an average absolute deviation of 3.69 mPa•s, demonstrating that the testing accuracy meets the engineering requirement.This method not only shares the advantages of simple operation and continuous measurement with RVM but also overcome the issue of high cost associated with FLM.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,239
Écart entre enseignants0,223 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering→Même sujetPetroleum Processing and Analysis→Travaux en français237 207→