MétaCan
Menu
Retour à la cohorte
Enregistrement W2319296447 · doi:10.1021/ef301928q

Study on Density, Hardness, and Moisture Uptake of Torrefied Wood Pellets

2013· article· en· W2319296447 sur OpenAlexafffund
Jie Peng, Hsiaotao T. Bi, C. Jim Lim, Shahab Sokhansanj

Notice bibliographique

RevueEnergy & Fuels · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPelletsTorrefactionMaterials scienceMoistureWater contentHumidityPulp and paper industryComposite materialWaste managementPyrolysis

Résumé

récupéré en direct d'OpenAlex

Torrefied pellets, a transportable renewable energy source, have a higher energy density than the regular wood pellets (control pellets). The quality of torrefied pellets is determined mainly by the density, hardness, and the hygroscopicity or moisture uptake. In this study, the density and the hardness of torrefied pellets were systematically examined by using torrefied samples prepared at different conditions in a press machine. The hygroscopicity of prepared torrefied pellets was evaluated in a humidity chamber by measuring the moisture uptake rate of control and torrefied pellets. The results showed that the density and the hardness of torrefied pellets mainly depended on the densification die temperature and the weight loss of torrefied samples. To make strong torrefied pellets of high density and low moisture uptake from 30 wt % weight loss torrefied samples, a die temperature of 230 °C or above was needed. Preconditioning torrefied samples to a moisture content of ∼10% can improve the quality of torrefied pellets. The moisture uptake of torrefied pellets was more sensitive to the weight loss of torrefaction and the relative humidity of the storage environment. The saturated moisture uptake of torrefied pellets made from 30 wt % weight loss torrefied samples was at least 40% lower than the control pellets.

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 enseignants0,002
Score d'incertitude au seuil0,006

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
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,010
Tête enseignante GPT0,198
Écart entre enseignants0,189 · 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

Citations162
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207