MétaCan
Menu
Retour à la cohorte
Enregistrement W2074772979 · doi:10.1021/ie000679f

Comments On “Neural Network Modeling of Structured Packing Height Equivalent to a Theoretical Plate” and“HETP and Pressure Drop Prediction for Structured Packing Distillation Columns Using a Neural Network”

2000· article· en· W2074772979 sur OpenAlexaff
Faı̈çal Larachi, Bernard P. A. Grandjean

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésStructured packingPressure dropArtificial neural networkDistillationTheoretical plateMaterials scienceDrop (telecommunication)ChromatographyProcess engineeringComputer scienceThermodynamicsChemistryMechanical engineeringArtificial intelligenceEngineeringPhysicsMass transfer

Résumé

récupéré en direct d'OpenAlex

Sir: The two research notes 1,2 recently published in Ind. Eng.Chem.Res. by Eldridge and co-workers describe a currently fashionable approach for correlating a number of macroscopic hydraulic and transport parameters in multiphase reactors.Hence, on the basis of a wide hydrodynamic data set, these authors propose a set of general perceptron-like artificial neural network (ANN) correlations for the prediction of the height equivalent to a theoretical plate (HETP) and the twophase pressure gradient (∆P/H) in counter-current gasliquid structured packing towers.The proposed tools are shown to outperform, in terms of prediction capability, the well-trodden empirical correlations or phenomenological models existing in the field.Although these authors are successful in demonstrating their concept, the impact of their contribution, can, to our opinion, be further reinforced.The procurement in a publication of the full expression and parameters of a correlation is the sole guarantee that such a tool can be useful to readers from industry and academia.In this work, the authors neglect to provide for both the HETP and ∆P/H in their derived correlation equations together with the numerical values of the weights.This unfortunately makes it impossible for users to tangibly take advantage of these two papers.Basically, the most valuable aspect of this work is more the correlation equations rather than the methodology implemented to extract the correlations.For the benefit of the readers of Ind. Eng.Chem.Res., it is highly suggested that the authors provide the complete set of equations allowing for the computation by their tools of the hydrodynamic parameters in the chosen configuration.Neural network computing is becoming increasingly fashionable among the chemical engineering circle.It is a powerful "black-box" approach used to map complex

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)0,007
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,039
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,003
Science ouverte0,0060,001
Intégrité de la recherche0,0160,013
Charge utile insuffisante (le modèle a refusé de juger)0,0150,010

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 Opus0,061
Tête enseignante GPT0,309
Écart entre enseignants0,248 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetProcess Optimization and IntegrationTravaux en français237 207