MétaCan
Menu
Retour à la cohorte
Enregistrement W2051818035 · doi:10.1021/ef700424k

Production of Heavy Oils with High Caloric Values by Direct Liquefaction of Woody Biomass in Sub/Near-critical Water

2007· article· en· W2051818035 sur OpenAlexaff
Chunbao Xu, Nimisha Lad

Notice bibliographique

RevueEnergy & Fuels · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueSubcritical and Supercritical Water Processes
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésLiquefactionChemistryCatalysisSawdustYield (engineering)Biomass (ecology)Heat of combustionPulp and paper industryNuclear chemistryOrganic chemistryAgronomyMaterials scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

Direct liquefaction of a woody biomass (Jack pine sawdust) in sub/near-critical water without and with catalysts (alkaline earth and iron ions) has been investigated at temperatures of 280–380 °C. Heavy oils with a high caloric value of 30–35 MJ/kg (much greater than that of the crude wood sample used) were obtained, along with water soluble oils with a caloric value of 19–25 MJ/kg. The yields of heavy oil and total oil products tended to maximize in the temperature range of 280–340 °C for all the liquefaction operations regardless of the presence of a catalyst or the type of catalyst. All the catalysts tested, i.e., Ca(OH) 2, Ba(OH) 2, and FeSO 4, were found effective for enhancing the formation of heavy oil products at 280–340 °C, while they significantly promoted the formation of gas and water at >340 °C. The yield of heavy oil in the operation at 300 °C for 30 min was improved significantly from around 30% without catalyst to greater than 45% by Ba(OH) 2 . The maximum yield of total oil products reached 51% in the operation without catalyst, while it increased to about 65% with Ca(OH) 2 at 300 °C. The GC/MS measurements for the heavy oil products revealed that the oils contain mainly carboxylic acids, phenolic compounds and derivatives, and long-chain alkanes.

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 enseignants0,001
Score d'incertitude au seuil0,002

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 Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,202 · 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

Citations213
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetSubcritical and Supercritical Water ProcessesTravaux en français237 207