Unraveling deepwater oil blowouts at different depths: A coupled experimental and modeling study
Notice bibliographique
Résumé
Recent offshore oil spill incidents have raised public concern over subsea blowouts in oil and gas operations. To improve and validate the accuracy of current oil spill models the scientific community has identified the need for additional experimental data under deepwater environmental conditions. This study intends to address this challenge through laboratory experiments simulating oil blowouts under various high-pressure subsea conditions. Results of critical constituents such as benzene, toluene, ethylbenzene, and xylenes (BTEX), total polycyclic aromatic hydrocarbons (PAHs), and total oil content in water columns improved our understanding of the chemical composition of deepwater oil spills. Microscopy analysis revealed that most oil droplets suspended in the water had diameters of less than 20 μm, constituting over 98 % of the total extractable oil mass. Dissolved BTEX and total PAHs accounted for less than 2 % of the total extractable oil. Our findings showed that as the blowout depth increased, the resulting oil concentration in water also increased. Water temperature and pressure significantly affected the retention of small oil droplets in the water at near-blowout locations. These results provide key insights into deepwater oil behavior and offer valuable data for testing and validation of developed and developing oil spill models. • Subsea oil blowouts at different depths were simulated experimentally. • Oil distribution was found higher as the blowout depth increased. • Hydrocarbon profile and droplet size distribution in water were characterized. • Experimental data were utilized to develop and validate Deepsea oil spill model.
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 | 0,000 |
| 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 ».