MétaCan
Menu
Retour à la cohorte
Enregistrement W2001532441 · doi:10.1021/ef020190u

Effect of Initiative Additives on Hydro-Thermal Cracking of Heavy Oils and Model Compound

2003· article· en· W2001532441 sur OpenAlexaboutno aff
Jie Chang, Kaoru Fujimoto, Noritatsu Tsubaki

Notice bibliographique

RevueEnergy & Fuels · 2003
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCrackingRadicalChemistryHydrocarbonFree-radical reactionPyrolysisThermalChemical engineeringPhotochemistryOrganic chemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

The hydro-thermal cracking of heavy oils, such as Canadian oil sand bitumen and Arabian heavy vacuum residue, as well as their model compound, was performed over sulfided Ni/Al 2 O 3 and NiMo/Al 2 O 3 catalysts under 663−703 K and 5.0−8.0 MPa of hydrogen pressure in a batch autoclave reactor. According to the reaction mechanism of hydro-thermal cracking, some free radical initiators, such as di- tert -butyl-peroxide (DTBP), sulfur, etc., were added into the feed to generate free radicals at lower temperature, and some initiators did obviously show a promotional effect on the conversion of hydrocarbons. The reaction mechanisms of hydro-thermal cracking as well as the enhancing effect of initiators were studied by a probe reaction with 1-phenyldodecane as a model compound under the conditions of hydro-thermal cracking. The hydro-thermal cracking of hydrocarbons proceeded via a free-radical mechanism and hydrogenating quench. The initiators might easily generate free radicals under the reaction temperature, these radicals might abstract H from hydrocarbon molecules and reasonably initiated the chain reactions, therefore, promoted the conversion of hydrocarbons even at lower reaction temperature. The reaction temperature could be lowered by the addition of a free radical initiator, while keeping the same conversion level.

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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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)0,0020,000

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 Opus0,011
Tête enseignante GPT0,245
Écart entre enseignants0,235 · 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

Citations15
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetPetroleum Processing and AnalysisTravaux en français237 207