A high temperature-resistant, strong, and self-healing double-network hydrogel for profile control in oil recovery
Notice bibliographique
Résumé
Hydrogels are widely used in profile control to plug high-permeability zones in oil recovery. In this study, a novel double-network (DN) hydrogel is developed for profile control. The two networks of the prepared hydrogel are polyacrylamide (PAAm) crosslinked by N,N'-Methylenebisacrylamide (MBAA) and konjac glucomannan (KGM) crosslinked by borax (B), respectively. The two networks are interconnected by their interpenetrating structures and hydrogen bonds. Based on the results of a series of evaluation experiments, the AAm/KGM DN hydrogels developed in this study exhibit a strong mechanical strength with their fracture stresses exceeding 0.137 MPa. Meanwhile, the AAm/KGM DN hydrogels can remain thermally stable after being heated at 130 °C for 24 h, indicating the good high-temperature resistance of the new sample. Moreover, the prepared AAm/KGM DN hydrogels present excellent self-healing performance due to the abundant hydrogen bonds in their structures, which helps form stable and long-term plugging in porous media. In addition, the pure PAAm hydrogel and the AAm/KGM DN hydrogel are sheared into two dispersed particle gel (DPG) suspensions to investigate their plugging performances. The results demonstrate that the AAm/KGM DN DPG can effectively plug a high-permeability sandpack with a plugging efficiency of 93.2 %, while the pure AAm DPG can only provide a much lower plugging efficiency of 60.5 %. The AAm/KGM DN hydrogel developed in this study, with its high mechanical strength, high-temperature resistance, and self-healing capability, offers a promising new candidate for profile control in oil recovery.
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 | 0,001 |
| 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 ».