Modeling of drying St. John's wort (Hypericum perforatum L.) leaves
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Drying of agricultural crops after harvesting is an important operation that helps in preserving product quality and quantity, particularly for medicinal plants and herbs which undergo reduction of essential oils and changes of qualitative properties such as color, both of which influence the economical value of the product. Drying of medicinal plants is a delicate operation for removing product moisture, in order to reduce enzyme activity; thus containing growth of bacteria and pathogens, and preventing product deterioration. Drying process of St. John’s wort (Hypericum perforatum L.) leaves was studied and modeled in this investigation. Independent variables included temperature at four levels (40, 50, 60 and 70°C), air velocity at three levels (0.3, 0.7 and 1 m/s), and product depth at three levels (1, 2, and 3 cm). The experiments were performed as factorial with completely randomized design in three replications. Seven drying models, namely Yagcioglu, Page, modified Page, Henderson and Pabis, Lewis, two-term and Verma, were utilized to fit the data. The Page model was found as the best model having the highest R2 and lowest χ2, RMSE and P-values. Key words: Drying, St. John’s wort, modeling.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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