Phenomenological‐based kinetics modelling of dehydrogenation of ethylbenzene to styrene over a Mg<sub>3</sub>Fe<sub>0.25</sub>Mn<sub>0.25</sub>Al<sub>0.5</sub> hydrotalcite catalyst
Notice bibliographique
Résumé
Abstract This communication reports a mechanism‐based kinetics modelling for the dehydrogenation of ethylbenzene to styrene (ST) using Mg 3 Fe 0.25 Mn 0.25 Al 0.5 catalyst. Physicochemical characterisation of the catalyst indicates that the presence of basic sites Mg 2+ O 2− on the catalysts along with Fe 3+ is responsible for the catalytic activity. The kinetics experiments are developed using a CREC Fluidised Riser Simulator. Based on the experimental observations and the possible mechanism of the various elementary steps, Langmuir–Hinshelwood type kinetics model are developed. To take into account of the possible catalyst deactivation a reactant conversion‐based deactivation function is also introduced into the model. Parameters are estimated by fitting of the experimental data implemented in MATLAB. Results show that one site type Langmuir–Hinshelwood model appropriately describes the experimental data, with adequate statistical fitting indicators and also satisfied the thermodynamic restraints. The estimated heat of adsorptions of EB (64 kJ/mole) is comparable to the values available in the literature. The activation energy for the formation of ST (85.5 kJ/mole) found to be significantly lower than that of the cracking product benzene (136.6 kJ/mole). These results are highly desirable in order to achieve high selectivity of the desired product ST. © 2012 Canadian Society for Chemical Engineering
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».