MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404858140 · doi:10.1002/cjce.25558

Evaluating the feasibility of using a rapeseed oil‐derived anionic polymeric surfactant for enhanced oil recovery from carbonate/sandstone composite reservoirs

2024· article· en· W4404858140 sur OpenAlexvenueno aff
Iman Nowrouzi, Amir H. Mohammadi, Abbas Khaksar Manshad

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPulmonary surfactantCarbonateRapeseedComposite numberEnhanced oil recoveryPetroleum engineeringGeologyChemical engineeringMaterials scienceChemistryComposite materialEngineeringMetallurgyFood science

Résumé

récupéré en direct d'OpenAlex

Abstract This study aims to investigate enhanced oil recovery from carbonate/sandstone composite (CSC) reservoirs using a negative‐charged rapeseed oil‐based polymeric surfactant. The polymeric surfactant was first synthesized and characterized. Temperature stability and salt tolerance were then measured. The experiments of interfacial tension (IFT), viscosity, contact angle, and injection of chemical slugs into the CSC plugs were performed. Based on the results, the surfactant remained stable at reservoir temperature and salinity up to 90,000 ppm, and increased viscosity to optimal levels at the critical micelle concentration (CMC) of 4000 ppm and higher. At concentrations ≥3000 ppm, it exhibited non‐Newtonian behaviour, and the IFT was significantly reduced to 62 × 10−3 mN/m at CMC and 21 × 10−3 mN/m at optimum salinity and alkalinity. It also altered the wettability of the rock, reducing the contact angle to 56.29° at CMC. After injecting the polymeric surfactant into a rock plug, oil recovery increased by 26.5%, and water‐cut was minimized to 20%.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,288
Écart entre enseignants0,252 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical Engineering→Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→