MétaCan
Menu
Retour à la cohorte
Enregistrement W2102457186 · doi:10.1088/1742-6596/430/1/012096

Analyses on Forms of Sulfurin Chinese Yanzhou Coal and Their Transformation during Pyrolysis by X-ray Absorption Spectroscopy

2013· article· en· W2102457186 sur OpenAlexaff
Chunhui Fu, J C Wang, Yongfeng Hu, M J Wang, Yicheng Zhang, Liping Chang

Notice bibliographique

RevueJournal of Physics Conference Series · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensCanadian Light Source (Canada)
Organismes subventionnairesNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésCharSulfurPyrolysisCoalChemistryXANESDry distillationAnalytical Chemistry (journal)Materials scienceMineralogySpectroscopyEnvironmental chemistryOrganic chemistryAdsorptionCarbonization

Résumé

récupéré en direct d'OpenAlex

In the processof pyrolysis, inherent and the added minerals are the main factors to affectthe transformation and distribution of sulfur in coal. In order to cleanly and efficiently use the inferior coal with high-sulfur content, Yanzhou coal containing 5wt % sulfur was chosen as the sample to do pyrolysis experiments in a fixed-bed reactor. The effect of iron additive on the sulfur forms and their transformation during coal pyrolysis wasstudied in this paper. Fe and S forms in raw coal with (FC) and without (RC) iron additive and their chars from different temperature were determined by XANES, and the gaseous products and total sulfur in char were also considered. The results show that addition of Fe in coal can make more sulfur retained in the char. The transformation of sulfur exists in the entire coal pyrolysis process from 200 to 1000 °C, and more inorganic sulfur was produced during the FC pyrolysis at high temperature (700–1000 °C). FeS existing in the FC char from 1000°C occupies about 62% of the total sulfur in char, but there is almost no FeS in the RC char at 1000 °C. The semi-quantitative analysis of XANES data by LCF fitting will also be discussed.

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 enseignants0,004
Score d'incertitude au seuil0,008

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
Bibliométrie0,0010,001
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 Opus0,014
Tête enseignante GPT0,247
Écart entre enseignants0,233 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetMetal Extraction and BioleachingTravaux en français237 207