MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415777904 · doi:10.2118/229657-ms

Extended DLVO Modeling of Nanoparticle-Assisted Wettability Alteration in Unconventional Reservoirs

2025· article· W4415777904 sur OpenAlexaff
Lin Yuan, Yanze Zhang, Hehua Wang, Bing Xu, Lian Wang

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDisjoining pressureDLVO theoryWettingContact angleBrineImbibitionScaling

Résumé

récupéré en direct d'OpenAlex

Abstract Wettability alteration is a key mechanism for enhancing oil recovery in unconventional reservoirs. This study utilizes an extended Derjaguin–Landau–Verwey–Overbeek (DLVO) framework that integrates van der Waals, electrostatic double-layer (EDL), structural hydration, and nanoparticle-induced hydrophobic forces to quantify additive-assisted wettability shifts across salinity and concentration gradients. The model links total disjoining pressure to contact angle via a concentration-dependent scaling factor, α(c), and is validated against published data for tight-rock systems treated with silica nanoparticles under low-salinity water and brine conditions. Predictions match experimental contact angles with a root-mean-square error (RMSE) of 8.97°, capturing wettability change of rock surface in water and brine conditions under different nanoparticle concentrations. Disjoining pressure analysis indicates that EDL enhancement is the dominant mechanism of nanoparticle-induced wettability alteration, while structural hydration contributes as a short-range repulsive interaction and hydrophobic forces act as short-range attractive interactions. The framework suggests optimal nanoparticle concentrations of approximately 1 wt% in fresh water and 2 wt% in brine, providing a scalable tool for designing nanoparticle–surfactant formulations to promote spontaneous imbibition in unconventional reservoirs.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,018
Tête enseignante GPT0,282
Écart entre enseignants0,264 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→