MétaCan
Menu
Retour à la cohorte
Enregistrement W7015294352

Surfactant Screening to Alter the Wettability and Aid in Acidizing Carbonate Formations

2013· dissertation· en· W7015294352 sur OpenAlexaboutno aff

Notice bibliographique

RevueOakTrust (Texas A&M University Libraries) · 2013
Typedissertation
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiafiltrationTSG101ProteogenomicsSodium dodecylbenzenesulfonateFusible alloyLiquation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Surfactant flooding in carbonate matrix acidizing treatment has been widely used for changing the wettability of the rock and to achieve low IFT values. Optimizing the type of surfactant and concentration for the specific oil field is very important in order to avoid formation damage and to reduce the treatment cost.\n\nWe built an experimental procedure for screening the right surfactant to alter the wettability and aid in acidizing of Pekisko formation, Canada, which is strongly oil-wet and has high viscosity oil. Five surfactants were tested out of which three are cationic, one amphoteric and the other one was a fluoro-surfactant. Measurements were made of interfacial tension with different surfactant types/concentrations in brine with the oil and xylene, critical micelle concentration of each surfactant, solubility characteristics of the surfactants, compatibility of the chemical additives, wettability of the core after treating with surfactants, and core flooding in the laboratory to simulate matrix acidizing.\n\nFrom the results obtained we noted that the fluoro-surfactant can cause formation damage due to precipitation in the brine. So the compatibility of every chemical additive should be tested first. The use of xylene as a pre-flush solution lowered the CMC and hence reduced the cost of the surfactant treatment. Aromox, an amine based surfactant was best suited for matrix acidizing treatment of the Pekisko formation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,378
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,187
Écart entre enseignants0,180 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOakTrust (Texas A&M University Libraries)Même sujetEnhanced Oil Recovery TechniquesTravaux en français237 207