MétaCan
Menu
Retour à la cohorte
Enregistrement W2073956139 · doi:10.1021/ie4040785

Influence of Alkaline Treatment and Alkaline Peroxide Bleaching of Aspen Chemithermomechanical Pulp on Dissolved and Colloidal Substances

2014· article· en· W2073956139 sur OpenAlexaff
Qingxian Miao, Guizhen Zhong, Menghua Qin, Lihui Chen, Liulian Huang

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésChemistryLigninPeroxidePapermakingPulp (tooth)Cationic polymerizationHydrogen peroxideColloidHemicellulosePulp and paper industryTurbidityOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Dissolved and colloidal substances (DCS) will be released during mechanical pulping and following bleaching operations. The accumulation of DCS in paper machine systems can bring various negative impacts on papermaking operations. In present study, the influence of alkaline treatment and alkaline peroxide bleaching of aspen chemithermomechanical pulp on released DCS was evaluated based on general DCS properties, lignin content, and carbohydrate and organic extractives compositions. Results showed that both treatments could promote the DCS release by increasing the concentration and cationic demand of DCS samples. However, alkaline peroxide bleaching caused the decrease in turbidity and average particle size. The total amounts of dissolved lignin, carbohydrates, and organic extractives were also increased. The dissolved lignin-related substances and carbohydrates were the predominant components of DCS. In the extractives, alkaline peroxide bleaching mainly resulted in the release of some lignin-degraded substances and a slight degradation of unsaturated fatty acids and their esters.

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 seuil0,004

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 Opus0,038
Tête enseignante GPT0,285
Écart entre enseignants0,247 · 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

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetLignin and Wood ChemistryTravaux en français237 207