Arboreal lichens in natural and managed high elevation spruce-fir forests of the North Thompson Valley, British Columbia
Notice bibliographique
Résumé
New iterative methods for analysis of potentiometric titration data of (a) mixtures of weak monoprotic acids with their conjugate bases, (b) solutions of polyprotic (di- and triprotic) acids, and (c) mixtures of two diprotic acids are presented. These methods, using data exclusively resulting from the acidic region of the titration curve permits the accurate determination of the analytical concentration of one or more acids even if the titration is stopped well before the end point of the titration. For the titration of a solution containing a conjugate acid/base pair, the proposed procedure enables the extraction of the initial composition of the mixture, as well as the dissociation constant of the concerned acid. Thus, it is possible by this type of analysis to distinguish whether a weak acid has been contaminated by a strong base and define the extent of the contamination. On the other hand, for the titration of polyprotic acids, the proposed approach enables the extraction of the accurate values of the equivalence volume and the dissociation constants K(i) even when the ionization stages overlap. Finally, for the titration of a mixture of two diprotic acids the proposed procedure enables the determination of the composition of the mixture even if the sum of the concentrations of the acids is not known. This method can be used in the analysis of solutions containing two diastereoisomeric forms of a weak diprotic acid. The test of the proposed procedures by means of ideal and Monte Carlo simulated data revealed that these methods are fairly applicable even when the titration data are considerably obscured by 'noise' or contain an important systematic error. The proposed procedures were also successfully applied to experimental titration data.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».