MétaCan
Menu
Retour à la cohorte
Enregistrement W1983393935 · doi:10.1115/1.2134734

Assessment of Sorbent Reactivation by Water Hydration for Fluidized Bed Combustion Application

2005· article· en· W1983393935 sur OpenAlexaff
Fabio Montagnaro, Piero Salatino, Fabrizio Scala, Yinghai Wu, Edward J. Anthony, Lufei Jia

Notice bibliographique

RevueJournal of Energy Resources Technology · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésSorbentFluidized bed combustionWaste managementCombustionBoiler (water heating)Fluidized bedEnvironmental scienceRaw materialMaterials scienceChemical engineeringPulp and paper industryChemistryAdsorptionEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Disposal of fluidized bed combustion (FBC) solid residues currently represents one of the major issues in FBC design and operation, and contributes significantly to its operating cost. This issue has triggered research activities on the enhancement of sorbent utilization for in situ sulfur removal. The present study addresses the effectiveness of the reactivation by liquid water hydration of FB spent sorbents. Two materials are considered in the study, namely the bottom ash from the operation of a full-scale utility FB boiler and the raw commercial limestone used in the same boiler. Hydration-reactivation tests were carried out at temperatures of 40°C and 80°C and for curing times ranging from 15minutes to 2d, depending on the sample. The influence of hydration conditions on the enhancement of sulfur utilization has been assessed. A combination of methods has been used to characterize the properties of liquid water-hydrated materials.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,003
Tête enseignante GPT0,212
Écart entre enseignants0,208 · 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

Citations16
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207