MétaCan
Menu
Retour à la cohorte
Enregistrement W2094828312 · doi:10.1002/cjce.22223

Catalytic effect of MgCl<sub>2</sub> on cotton stalk pyrolysis for chemical production at low temperature

2015· article· en· W2094828312 sur OpenAlexvenueno aff
Xinliang Liu, Dong Yan, Hailiang Yin, Guicai Zhang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensnon disponible
Organismes subventionnairesNational Renewable Energy Laboratory
Mots-clésPyrolysisFurfuralCelluloseAcetic acidChemistryHemicelluloseLigninProduct distributionRaw materialCatalysisStalkOrganic chemistryMagnesiumPyrolysis oilChemical engineeringChemical compositionNuclear chemistryInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

Cotton stalk pyrolysis catalyzed by magnesium chloride was carried out in a fixed bed reactor in a temperature range of 493–553 K. The feedstock characteristics, product distribution, pyrolysis oil composition, and solid residue composition were analyzed. The presence of MgCl2 significantly changed the product distribution of the pyrolysis oil and oils with only two targeted chemicals successfully collected for the purpose of chemical production. The effects of catalyst loading and pyrolysis temperature on pyrolysis behaviour for the furfural and acetic acid production were studied systematically. The furfural and acetic acid concentration in pyrolysis oil increased in the presence of magnesium chloride in our investigated temperature range. The furfural and acetic acid contents in water‐free pyrolysis oil are about 54 % and 28 % when the pyrolysis temperature is 553 K. The results of solid product analysis showed that 85 % of hemicellulose was decomposed, while cellulose and lignin were relatively stable. This study makes it possible to produce chemicals from biomass material through a multi‐step pyrolysis process.

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 Opus0,004
Tête enseignante GPT0,168
Écart entre enseignants0,164 · 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

Citations22
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetCatalysis for Biomass ConversionTravaux en français237 207