MétaCan
Menu
Retour à la cohorte
Enregistrement W4411210845 · doi:10.3390/pr13061843

An Experimental Investigation of the Effect of Pressure and Salinity on IFT in Live Oil/Brine Systems

2025· article· en· W4411210845 sur OpenAlexaff
Deniz M. Paker, Birol Dindoruk, Leslie Baksmaty, Ram R. Ratnakar, Hanin Samara, Philip Jaeger

Notice bibliographique

RevueProcesses · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensIntertek (Canada)
Organismes subventionnairesnon disponible
Mots-clésBrineSalinityPetroleum engineeringEnvironmental scienceChemistryGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Residual oil saturation in reservoirs is primarily influenced by viscous and capillary forces, with interfacial tension (IFT) being a critical factor in fluid distribution due to capillary pressure. Adjusting IFT is essential for enhancing oil recovery, particularly in waterflooding, which is the most common secondary recovery technique after primary production. The salinity of injected water directly affects the IFT between crude oil and brine, making it a crucial factor in optimizing recovery. However, limited studies have examined IFT using live oil samples under actual reservoir conditions. In this study, a high-pressure, high-temperature (HPHT) drop shape analyzer was used to measure the IFT between live oil and brine under reservoir conditions. Five live oil samples and two sodium chloride (NaCl) brine concentrations (30,000 and 100,000 ppm) were tested at a reservoir temperature of 180 °F. Measurements were conducted above the bubble points of the oils, replicating undersaturated reservoir conditions. The results revealed that the impact of pressure on IFT was more complex than that of salinity. IFT generally decreased with increasing pressure but showed mixed behavior across different samples. Conversely, IFT consistently increased with higher salinity. These findings enhance the understanding of IFT behavior under reservoir conditions, supporting improved reservoir simulations and oil recovery strategies.

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)0,001
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,005
Tête enseignante GPT0,247
Écart entre enseignants0,241 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207