Forensic identification of spilled biodiesel and its blends with petroleum oil based on fingerprinting information
Notice bibliographique
Résumé
A case study is presented for the forensic identification of several spilled biodiesels and its blends with petroleum oil using integrated forensic oil fingerprinting techniques. The integrated fingerprinting techniques combined SPE with GC/MS for obtaining individual petroleum hydrocarbons (aliphatic hydrocarbons, polyaromatic hydrocarbons and their alkylated derivatives and biomarkers), and biodiesel hydrocarbons (fatty acid methyl esters, free fatty acids, glycerol, monoacylglycerides, and free sterols). HPLC equipped with evaporative scattering laser detector was also used for identifying the compounds that conventional GC/MS could not finish. The three environmental samples (E1, E2, and E3) and one suspected source sample (S2) were dominant with vegetable oil with high acid values and low concentration of fatty acid methyl ester. The suspected source sample S2 was responsible for the three spilled samples although E1 was slightly contaminated by petroleum oil with light hydrocarbons. The suspected source sample S1 exhibited with the high content of glycerol, low content of glycerides, and high polarity, indicating its difference from the other samples. These samples may be the separated byproducts in producing biodiesel. Canola oil source is the most possible feedstock for the three environmental samples and the suspected source sample S2.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».