MétaCan
Menu
Retour à la cohorte
Enregistrement W2012253436 · doi:10.1021/ef8009958

Catalytic Decomposition of Biomass Tars with Dolomites

2009· article· en· W2012253436 sur OpenAlexaffabout
Elizabeth Gusta, Ajay K. Dalai, Md. Azhar Uddin, Eiji Sasaoka

Notice bibliographique

RevueEnergy & Fuels · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésDolomitetar (computing)Biomass (ecology)DecompositionChemistryCatalysisIsothermal processCarbon fibersChemical engineeringPyrolysisMineralogyPulp and paper industryOrganic chemistryMaterials scienceGeology

Résumé

récupéré en direct d'OpenAlex

Catalytic gasification of wood biomass was carried out using a double-bed microreactor in a two-stage process. Temperature-programmed steam gasification of biomass was performed in the first bed at 200−850 °C. Following in series was isothermal catalytic decomposition and gasification of volatile compounds (including tars) in the second bed containing various dolomites. Dolomites from Canada, Australia, and Japan were examined for their effects on tar conversion and the overall gaseous product. A total of 74% of biomass carbon was emitted as volatile matter during tar gasification (200−500 °C biomass bed temperature). Dolomites improved tar conversion to gaseous products by an average of 21% over noncatalytic results at a 750 °C isothermal catalyst bed temperature using 1.6 cm 3 dolomite/g of biomass. The iron content in dolomite was found to promote tar conversion and the water−gas shift reaction, but the effectiveness reached a plateau at 0.9 wt % Fe in Canadian dolomites. The maximum tar conversion of 66% was achieved at 750 °C using a Canadian dolomite with 0.9 wt % Fe (1.6 cm 3 /g of biomass). Carbon conversion to gaseous products increased to 97% using 3.2 cm 3 dolomite/g of biomass at the same temperature. The dolomite seemed stable after 15 h of cyclic use at 800 °C.

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)0,000
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,198
Écart entre enseignants0,193 · 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

Citations89
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207