Effects of asphaltene and resin contents on crude oil viscosity: Experimental and modeling studies
Notice bibliographique
Résumé
Dead oil viscosity is critical for modeling crude oil flow in porous media and pipelines, designing production facilities, and enhancing oil recovery. However, most dead oil viscosity models fail to consider the effects of asphaltene and resin content. This study introduces a novel nonlinear regression-based model that predicts dead oil viscosity as a function of temperature, API gravity, asphaltene content, and resin contents using a dataset of 357 experimental measurements obtained from three heavy oil samples and their reconstituted derivatives tested between 77–176 °F at atmospheric pressure. The saturates, aromatics, resins and asphaltenes (SARA) fractions of these oil samples were determined using thin-layer chromatography and validated with both automated SARA high-performance liquid chromatography and absorption spectroscopy following the Japan Petroleum Institute (JPI-5S-45–95) standards. The results confirm that variations in asphaltene and resin contents significantly influence oil viscosity. A new viscosity correlation was developed using 250 datasets for model training and validated with the remaining 107 datasets from the total dataset. By incorporating asphaltene and resin contents, the model demonstrates superior accuracy and reliability compared to 19 existing viscosity correlations. It achieved the lowest average absolute relative errors of 18.53 % and 20.83 % for the training and validation datasets, respectively, along with the highest coefficients of determination (R 2 = 0.97 and 0.96). These findings indicate that the proposed model offers a more robust and accurate alternative for predicting dead oil viscosity, particularly for heavy oils where polar components play a critical role. This improved predictive capability can significantly enhance the accuracy of flow modeling, production system design, and enhanced oil recovery planning, especially in fields dealing with complex heavy oil systems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».