MétaCan
Menu
Retour à la cohorte
Enregistrement W2023304701 · doi:10.1021/ef030118b

Colloidal Properties of Bio-oils Obtained by Vacuum Pyrolysis of Softwood Bark. Characterization of Water-Soluble and Water-Insoluble Fractions

2004· article· en· W2023304701 sur OpenAlexaff
Tuya Ba, Abdelkader Chaala, Manuel Garcı̀a-Pèrez, Denis Rodrigue, Christian Roy

Notice bibliographique

RevueEnergy & Fuels · 2004
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésThermogravimetric analysisLigninPyrolysisChemistryDifferential scanning calorimetrySoftwoodChemical engineeringViscosityRheologyMaterials scienceOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Crude bio-oils obtained via the pyrolysis of bark residues are dark, viscous, and sticky materials that visually appear similar to homogeneous liquids. However, microscopic tests revealed the presence of tridimensional compounds (agglomerates) and solid particles that are dispersed in the continuous bio-oil medium. These materials are responsible for the increase in bio-oil viscosity, the non-Newtonian flow behavior, the poor combustion properties, the corrosiveness, and the increase in the plugging frequency of the nozzles. Thermogravimetric analysis (TGA), differential scanning calorimetry (DSC) tests, and rheology have been used to evaluate the colloidal properties of the bio-oils. The generic composition of the bio-oil, obtained by extracting water-insoluble materials (i.e., the lignin-derivative compounds), has been determined. The extraction produced a yield of lignin-derivative compounds of 29 wt %. The chemical composition of the water-soluble materials, as well as the molecular weight distribution of the water-insoluble components, has also been determined.

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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,190
Écart entre enseignants0,184 · 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

Citations101
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetPetroleum Processing and AnalysisTravaux en français237 207