MétaCan
Menu
Retour à la cohorte
Enregistrement W2009176844 · doi:10.1007/s40789-014-0014-5

Progress in developments of dry coal beneficiation

2014· article· en· W2009176844 sur OpenAlexaboutno aff
Yuemin Zhao, Xuliang Yang, Zhenfu Luo, Chenlong Duan, Shulei Song

Notice bibliographique

RevueInternational Journal of Coal Science & Technology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueGranular flow and fluidized beds
Établissements canadiensnon disponible
Organismes subventionnairesSpecialized Research Fund for the Doctoral Program of Higher Education of ChinaGovernment of Jiangsu ProvinceNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésBeneficiationCoalEnvironmental scienceMining engineeringWaste managementGeologyEngineeringMetallurgyMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract China’s energy supply heavily relies on coal and China’s coal resource and water resource has a reverse distribution. The problem of water shortages restricts the applications of wet coal beneficiation technologies in drought regions. The present situation highlights the significance and urgency of developing dry beneficiation technologies of coal. Besides, other countries that produce large amounts of coal also encounter serious problem of lack of water for coal beneficiation, such as American, Australia, Canada, South Africa, Turkey and India. Thus, dry coal beneficiation becomes the research hot-points in the field of coal cleaning worldwide in recent years. This paper systematically reviewed the promising research efforts on dry coal beneficiation reported in literature in last 5 years and discussed the progress in developments of dry coal beneficiation worldwide. Finally, we also elaborated the prospects and the challenges of the development of dry coal beneficiation.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,242
Écart entre enseignants0,236 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations57
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Coal Science & TechnologyMême sujetGranular flow and fluidized bedsTravaux en français237 207