MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410577009 · doi:10.1002/cjce.25749

Experimental investigation of surface activity, micellization behaviour, and enhanced oil recovery performance of saponin‐based green surfactants

2025· article· en· W4410577009 sur OpenAlexvenueno aff
Iman Nowrouzi, Amir H. Mohammadi, Abbas Khaksar Manshad

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSaponinChemical engineeringEnhanced oil recoveryChemistryChromatographyMaterials scienceEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, three forms of saponin surfactants extracted from the Camellia sinensis plant (CS1, CS2, and CS3) were investigated. Related experiments were conducted to determine their characteristics and performance in the enhanced oil recovery (EOR) parameters like interfacial tension (IFT) and wettability. The crude plant extract cannot reduce the interfacial tension to suitable values for EOR, although it can create water‐wetting. The pure saponin has a better performance, and the IFT in its optimal concentration can reach lower values by adjusting the salinity. In addition to reducing IFT well to around 0.3 mN/m, which is considered suitable for EOR, the modified saponin was stronger in wettability alteration than the other two samples. The crude extract reached its lowest IFT of 7.582 mN/m at 3175 ppm, while the pure and modified saponin achieved minimum interfacial tensions of 1.646 and 0.375 mN/m at 1550 and 1125 ppm, respectively. The surfactants altered the wettability, however, the water‐wetting was different, so CS3, CS2, and CS1 had the greatest effect on wettability, respectively. The adsorption of CS1, CS2, and CS3 onto porous media was 26.5%, 12.4%, and 16.1%, respectively. Finally, the flooding of CS1, CS2, and CS3 solutions increased the recovery by 7.6%, 12.6%, and 15.8% OOIP, respectively.

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,198
Écart entre enseignants0,191 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

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