MétaCan
Menu
Retour à la cohorte
Enregistrement W2135840497 · doi:10.1002/aic.14411

Computational analysis of the reacting flow in a microstructured reformer using a multiscale approach

2014· article· en· W2135840497 sur OpenAlexafffund
Alireza Naseri, Brant A. Peppley, Jon G. Pharoah

Notice bibliographique

RevueAIChE Journal · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Mathematical Modeling in Engineering
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCompute Canada
Mots-clésMicroscale chemistryPorositySteam reformingMaterials scienceCatalysisMicrostructureMicroreactorMultiscale modelingParticle (ecology)CoatingMethaneChemical engineeringNanotechnologyComposite materialChemistryEngineeringHydrogen production

Résumé

récupéré en direct d'OpenAlex

A multiscale methodology is presented to analyze the transport and reaction processes in the catalyst coating of a microstructured reformer and to elucidate the effect of catalyst morphology on transport limitations and the reformer performance. This analysis includes three‐dimensional simulations of methane steam reforming at both reactor level (macroscale) and catalyst microstructure level (microscale). Hypothetical catalyst microstructures are generated using an in‐house particle packing code. Based on the generated structures, the effective transport properties of the porous catalyst and the average reaction rates in the microstructure are determined to be applied in the pseudohomogeneous model used in the macroscale simulation. Parametric study is done to demonstrate the significant effect of the catalyst intraparticle and interparticle porosity as well as the particle size on the reaction effectiveness factor and methane conversion. This study shows that an optimal catalyst coating has a decreasing porosity along the reformer length based on the difference in the degree of diffusion limitation. © 2014 American Institute of Chemical Engineers AIChE J , 60: 2263–2274, 2014

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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'étudeSimulation ou modélisation
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'admission2
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetAdvanced Mathematical Modeling in EngineeringTravaux en français237 207