MétaCan
Menu
Retour à la cohorte
Enregistrement W2010600264 · doi:10.1002/aic.10097

Kinetic modeling of the photocatalytic degradation of air‐borne pollutants

2004· article· en· W2010600264 sur OpenAlexafffund
Hanan S. Ibrahim, Hugo de Lasa

Notice bibliographique

RevueAIChE Journal · 2004
Typearticle
Langueen
DomaineEnergy
ThématiqueTiO2 Photocatalysis and Solar Cells
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhotocatalysisAcetaldehydePhotodegradationAcetonePollutantChemistryDegradation (telecommunications)Carbon dioxideRate equationPhotochemistryChemical engineeringCatalysisMaterials scienceKineticsOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The photocatalytic conversion of organic model pollutants (acetone, acetaldehyde, and isopropanol) in a novel Photo‐CREC‐Air unit is considered. This photocatalytic unit features: (1) external near‐UV lamps placed in parabolic reflectors, (2) a basket supporting the irradiated glass mesh holding TiO2 loadings to achieve high photoconversion rates, and (3) a fluid flow pattern securing high gas velocities in the near‐mesh region. Given the high quantum efficiencies observed in Photo‐CREC‐Air and, as a result, the high prospects for this novel design, rate equations and associated mechanistic formulations are investigated. With this goal, a Langmuir–Hinshelwood model, involving a one‐site model pollutant mechanism, is considered. The associated kinetic parameters with the related statistical indicators are established, using least‐square nonlinear regression. It is found that this model is adequate for describing the photodegradation of acetone on both Degussa P25 and Hombikat UV‐100. It is also observed that the same type of reaction rate model is less adequate for the photodegradation of acetaldehyde and isopropanol, in particular, for predicting the formation of carbon dioxide. © 2004 American Institute of Chemical Engineers AIChE J 50: 1017–1027, 2004

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,232
Écart entre enseignants0,215 · 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'étudeSimulation ou modélisation
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

Citations34
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetTiO2 Photocatalysis and Solar CellsTravaux en français237 207