MétaCan
Menu
Retour à la cohorte
Enregistrement W1830816660 · doi:10.3968/j.est.1923847920130601.3599

Properties Analysis of Spent Commercial Residue Hydrotreating Catalyst: Surface Property Changes of Spent Catalysts in Commercial Residue Hydrotreating Unit

2013· article· en· W1830816660 sur OpenAlexvenueno aff
Yudong Sun, Chaohe Yang

Notice bibliographique

RevueEnergy science and technology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis and Hydrodesulfurization Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHydrodesulfurizationCatalysisCokeMesoporous materialChemical engineeringResidue (chemistry)Materials scienceSpecific surface areaChemistryMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In this study, the changes of the surface properties of 14 spent catalysts, which were sampled from a commercial residue hydrotreating unit at the end of an operation cycle, were analyzed and compared with the corresponding fresh catalysts. It was found that the changes in the surface properties do not have change laws along the bed height. Furthermore, the pore size, pore volume and surface area of most of the catalysts decreased after reaction and the number of micropores of the spent catalysts increased, due to the fact that the coke and metals deposited in the catalyst to alter the pore distribution. But some catalysts with high coke content, the pore size and pore volume decreased with the increase of surface area, which was a result of the forming of massive micro/mesopores (the pore size is mainly ranged from 3 to 10 nm), when partial soft coke desorbed under the action of the deposited active metals and micro/mesopores were formed in macropores or large mesopores. The surface properties of the spent catalysts were not only related to the deposition amounts, but also to the deposition configurations of the coke and metals on the catalysts.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 GPT0,223
Écart entre enseignants0,204 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy science and technologyMême sujetCatalysis and Hydrodesulfurization StudiesTravaux en français237 207