Interfacial Mass Transfer in Randomly Packed Towers: A Confident Correlation for Environmental Applications
Notice bibliographique
Résumé
Volumetric mass-transfer coefficients (kLa(w), KLa(w), kGa(w), kGa(w)) required for randomly dumped packed tower design were gathered from the literature to generate a working database comprehending 2675 measurements relevant to water and air pollution abatement processes. The cross-examination of two important correlations predicting mass-transfer coefficients was achieved through this database (Onda correlation, 1968; Billet and Schultes correlation, 1993). Some limitations regarding either the level of accuracy or the application range came to light with this investigation. Artificial neural network (ANN) modeling is then proposed allowing all four mass-transfer coefficients predictions. A single ANN correlation was built to predict the dimensionless gas (or liquid) film Sherwood number (ShL/G) as a function of six dimensionless groups, namely, the liquid Reynolds (ReL), Froude (FrL), Eotvös (EoL) numbers, the gas (or liquid) Schmidt number (ScL/G), the Lockhart-Martinelli parameter (chi), and a bed-characterizing number (K). Using the ANN correlation and the two-film theory, a reconciliation procedure was further implemented resulting in better predictions of the gas (or liquid) overall volumetric mass-transfer coefficients. The resulting correlation yielded an absolute average relative error of 22.1% and a standard deviation of 21.1% based on whole database while the ANN predictions remain in accordance with the physical evidence reported in the literature.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».