MétaCan
Menu
Retour à la cohorte
Enregistrement W2162176013 · doi:10.1080/15435075.2014.891119

Industrial Experiments of Biomass Briquettes as Fuels for Bulk Curing Barns

2015· article· en· W2162176013 sur OpenAlexaff
Xiaodi xiao, Chunming Li, Ping Ya, Jin Ge He, HE Yan-sheng, Xiaotao Bi

Notice bibliographique

RevueInternational Journal of Green Energy · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBriquetteCoalWaste managementEnvironmental scienceStalkBiomass (ecology)Curing (chemistry)Pulp and paper industrySolid fuelCombustionMaterials scienceEngineeringAgronomyChemistryHorticulture

Résumé

récupéré en direct d'OpenAlex

Biomass briquettes compressed from waste tobacco stalk have been tested for their potential fuel substitution of coal for the bulk curing operation. Parallel experiments were conducted in industrial scale bulk curing barns at six locations in Yunnan province of China using coal and biomass briquettes as fuels. The results showed that biomass briquettes performed equally as coal but superior at the high temperature curing stages because of their higher burning rate than coal. The energy efficiency for burning biomass briquettes ranged from 39 to 42%, higher than 36% from burning coal in parallel tests. The substitution of coal by the waste tobacco stalk briquettes, in conjunction with improvement in barn energy efficiency, offers the greatest potential for the Chinese tobacco industry to meet the Chinese national greenhouse gas emission intensity target of being 40–45% below its 2005 emissions level by 2020.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,394

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,038
Tête enseignante GPT0,273
Écart entre enseignants0,234 · 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 tête enseignante, 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

Citations26
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Green EnergyMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207