Evaluation of the effect of divalent ions presents in formation water on the static adsorption of an extended surfactant through nuclear magnetic resonance and laboratory test.
Bibliographic record
Abstract
La adsorción de surfactantes es uno de los principales problemas que se presentan durante su inyección a yacimiento como método de recobro químico. Este fenómeno provoca una reducción en la concentración del bache inyectado afectando la viabilidad de la técnica. En el presente trabajo, se utilizó la espectroscopia de Resonancia Magnética Nuclear para analizar la adsorción estática sobre un adsorbente mineral bajo diversos escenarios de dureza. Se realizó el análisis de difracción de rayos-X a las muestras de arena Ottawa y caolín, para determinar la composición del adsorbente utilizado. La prueba de adsorción se llevó a cabo poniendo en contacto una cantidad específica de adsorbente con una solución de concentración inicial conocida de la mezcla de surfactantes aniónicos. La determinación de la concentración en el sobrenadante mediante RMN-1H se realizó a través de la relación existente entre la concentración de tensoactivo contenido en la muestra y la intensidad de las señales del espectro. Los resultados del análisis de los espectros de protón fueron contrastados con los obtenidos de forma convencional a través del método colorimétrico de sustancias activas al azul de metileno, mostrando un excelente ajuste especialmente en presencia de varios surfactantes, y reduciendo tanto el tiempo como como los costos asociados a la medición convencional. El análisis de las isotermas de adsorción mostró que un aumento en el contenido de iones divalentes afecta de manera significativa la adsorción de las moléculas, principalmente a altas concentraciones de surfactante, provocando la formación de complejos catiónicos y multicapas de surfactante adsorbido
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 | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".