MétaCan
Menu
Retour à la cohorte
Enregistrement W2318367640 · doi:10.1021/ef1010989

Capturing H<sub>2</sub>S<sub>(g)</sub>by In Situ-Prepared Ultradispersed Metal Oxide Particles in an Oilsand-Packed Bed Column

2010· article· en· W2318367640 sur OpenAlexafffund
Nashaat N. Nassar, Pedro Pereira‐Almao

Notice bibliographique

RevueEnergy & Fuels · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Gas Emission Control
Établissements canadiensAlberta EnergyUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésOxideMetalSorptionReactivity (psychology)Chemical engineeringNanoparticleNon-blocking I/OIn situPacked bedDispersion (optics)Materials scienceChemistryInorganic chemistryCatalysisAdsorptionChromatographyMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The current oil recovery and upgrading processes contribute directly to air pollution problems. H 2 S (g) is considered one of the major gaseous pollutants in oil recovery and processing. The aim of this study is to investigate the feasibility of methods aimed at the in situ capture of H 2 S (g) and its conversion into an environmentally neutral final product. In this work, we tested the sorption of H 2 S (g) into different in situ-prepared colloidal metal oxides in an oilsand matrix under recovery conditions, namely, ZnO, CuO, NiO, and Al 2 O 3 . In addition, the effect of metal oxide concentration and reaction temperature on H 2 S (g) reactivity was evaluated. Furthermore, commercially available ZnO nanoparticles were tested for comparison. Except for Al 2 O 3, all the considered metal oxides reacted stoichiometrically with H 2 S (g) at the selected temperature and pressure. An increase in the metal oxide concentration favored the removal of H 2 S (g) . The in situ-prepared ZnO ultradispersed particles were found to be more reactive than the commercial nanoparticles, as a result of their dispersion ability and intrinsic reactivity.

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 enseignants0,005
Score d'incertitude au seuil0,009

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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

Citations23
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetIndustrial Gas Emission ControlTravaux en français237 207