MétaCan
Menu
Retour à la cohorte
Enregistrement W2171525177

Development of laboratory studies on the off-gassing of wood pellets

2010· article· en· W2171525177 sur OpenAlexvenueno aff
Jaya Shankar Tumuluru, Xingya Kuang, Shahab Sokhansanj, C. Jim Lim, Tony Bi, Staffan Melin

Notice bibliographique

RevueCanadian Biosystems Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPelletsPelletMaterials scienceVolume (thermodynamics)Composite materialAnalytical Chemistry (journal)ChemistryChromatography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the present study three sealed containers (304.8 mm inside diameter and 609.6 mm height) were developed to investigate the concentration of off-gases accumulated in the headspace as well as changes in some of the physical properties of wood pellets during storage. Pellets occupied 75% of the container volume leaving 25% headspace. The outside wall of the steel containers was wrapped with electric heating tapes and fiber glass insulation. The storage studies were carried out at room temperature of about 22 degrees C and at elevated temperatures of 30, 40 and 50 degrees C. The off-gases were collected and analyzed using micro gas chromatography. The accumulations of CO (5000 ppmv) and CO2 (10000 ppmv) were relatively high at room temperature of about 22 degrees C for a storage period of 24 days. These accumulations increased sharply at storage temperatures greather than 30 degrees C. At 50 degrees C, the maximum measured concentration of CO, CO2 and CH4 was about17,000, 70,000 and 3,000 ppmv, respectively. Storage temperature had a significanteffect (PB0.01) on all of the pellet properties, including pellet durability, which dropped by about 20% at the end of 60 days of storage.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,011
Tête enseignante GPT0,186
Écart entre enseignants0,175 · 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

Citations15
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Biosystems EngineeringMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207