MétaCan
Menu
Retour à la cohorte
Enregistrement W1986143160 · doi:10.1002/cjce.21993

Detailed validation of an automotive catalysis model using spatially resolved measurements within the catalyst substrate

2014· article· en· W1986143160 sur OpenAlexvenueno aff
Jonathan Stewart, Roy Douglas, Alexandre Goguet, Cristina Stere

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésMonolithKineticsCatalysisKinetic energySubstrate (aquarium)ChemistryMaterials sciencePhysicsGeologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Many kinetic models have appeared in literature in past decades using two main approaches: the traditional global kinetics approach, or the more complex micro‐kinetics approach. Whether global or micro‐kinetics, kinetic models have been based on experimental data obtained at the end of the monolith. The experimental procedure using end pipe analysis may give an accurate overview of the reaction mechanisms that occur; however, the lack of information from within the catalyst can ultimately lead to inaccuracies in the kinetic model and parameters used. Using SpaciMS, a spatially resolved experimental technique developed at the Queen's University Belfast, information from within the catalyst can be obtained. This minimally invasive technique provides detailed information of the gas concentration and temperature profile from inside the catalytic monolith. This paper presents a kinetic model and simulations validated against experimental data obtained from three positions inside the catalyst monolith at 2, 14, and 26 mm in, using data from the SpaciMS. Also, simulations of end pipe analysis, using a commercial reactor, for the CO oxidation are presented and analyzed. The simulations presented are for varying concentrations of both CO and O 2 (0.5 % and 1 % CO, 0.5 % and 2 % O 2 ) for both the global and micro‐kinetic approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,139
Score d'incertitude au seuil0,377

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,029
Tête enseignante GPT0,232
Écart entre enseignants0,203 · 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 tête enseignante, 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

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207