MétaCan
Menu
Retour à la cohorte
Enregistrement W2049923594 · doi:10.1021/ie901232p

Model To Predict the Concentration of Ultradispersed Particles Immersed in Viscous Media Flowing through Horizontal Cylindrical Channels

2010· article· en· W2049923594 sur OpenAlexaff
Herbert Loría, Pedro Pereira‐Almao, Carlos E. Scott

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésSuspension (topology)MechanicsCylinderParticle (ecology)Dispersion (optics)Deposition (geology)Materials scienceMass transferFluid motionViscous liquidConvectionPhysicsOpticsGeologyMechanical engineering

Résumé

récupéré en direct d'OpenAlex

An innovative way to upgrade heavy crude oils is the use of ultradispersed catalysts; however, an adequate mathematical expression that describes the mass transfer on this process is still missing. This paper studies the separation and suspension of ultradispersed particles based on their motion through diverse viscous media enclosed in horizontal cylindrical channels. A time-dependent, three-dimensional convective−dispersive model which simulates the transient deposition and suspension of these particles immersed in viscous media inside a horizontal cylinder was developed and solved. This model was also experimentally validated, and its results unveiled the particle and fluid media properties that are necessary to control particle deposition. The experiments were performed using Fe 2 O 3 particles (average sizes of 198 nm) immersed in water−glycerol mixtures with different densities and viscosities subject to different fluid velocities. The effect of the fluid medium properties, the initial particle concentration, and fluid velocity on the dispersion coefficient was also studied.

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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,073
Tête enseignante GPT0,317
Écart entre enseignants0,244 · 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

Citations8
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207