Experimental study of cyclic liquid solvent injection into heavy oil reservoir trough computed tomography and nuclear magnetic resonance.
Bibliographic record
Abstract
Esta investigación presenta el desarrollo de una metodología completa para el estudio de un proceso de inyección cíclica de solventes (ICS), usando diluyentes líquidos en medios porosos con crudo pesado, mediante desplazamientos apoyados con tomografía computarizada (TC) y resonancia magnética nuclear (RMN). La metodología propuesta se realizó primero en un tomógrafo de tercera generación en la Universidad de Calgary, con el objetivo de aprovechar la experiencia que tienen sus profesionales en el uso de las dos técnicas no intrusivas, aportando con esto al crecimiento de la curva de aprendizaje y después fue repetida en el equipo de quinta generación de la Universidad Industrial de Santander, con el fin de plantear un protocolo para las siguientes investigaciones de inyección cíclica de solventes . El trabajo inicio con el análisis de las interacciones entre el crudo colombiano y la nafta mediante la determinación de propiedades tales como: densidad, viscosidad de la mezcla y el coeficiente de difusión molecular. Después se definieron los parámetros de diseño para el desarrollo del proceso de ICS, apoyándose en el concepto del mecanismo de masa y en la información encontrada en la literatura, para definir el mejor tiempo de remojo y tasa de inyección. Posteriormente se desarrolló el proceso ICS, realizando cuatro ciclos de inyección con nafta con un tiempo de remojo entre 20- 24 horas. La muestra fue escaneada durante diferentes etapas para analizar los mapas de densidad aparente y el cambio en los perfiles de saturación de aceite. Los efluentes recuperados en cada fase de producción fueron analizados con RMN, para obtener la cantidad de solvente y crudo recuperado. Los resultados finales mostraron que el mayor factor de recobro se obtuvo en el primer ciclo y tercer ciclo. En el primero debido a la alta saturación de aceite en las vecindades de la zona de inyección y en el tercero estuvo relacionado con el solvente que se quedó atrapado en los ciclos previos. 1
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".