MétaCan
Menu
Retour à la cohorte
Enregistrement W2319330290 · doi:10.1021/ie502272j

Catalytic Conversion of Biomass by Natural Gas for Oil Quality Upgrading

2014· article· en· W2319330290 sur OpenAlexafffund
Peng He, Hua Song

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta Innovates
Mots-clésBiomass (ecology)PyrolysisRaw materialMethaneEnvironmental scienceCatalysisHydrodesulfurizationPulp and paper industryHydrodeoxygenationNatural gasWaste managementPyrolysis oilChemistryOrganic chemistryEngineeringAgronomy

Résumé

récupéré en direct d'OpenAlex

The development of an economically attractive process with abundant and readily available raw feedstocks to achieve the upgrading of biomass is highly desirable. Unlike conventional fast pyrolysis followed by hydrotreating for upgraded bio-oil production under high pressure in which expensive and naturally unavailable hydrogen is heavily engaged, this work clearly demonstrates the feasibility of upgrading biomass by directly using cheap natural gas on zeolite-supported catalyst at atmospheric pressure. The introduction of methane during biomass pyrolysis not only increased the yield of the collected oil from 6.79 to 7.48 wt % but also improved its quality in terms of higher H/C ratio, from 1.21 to 1.71, under the facilitation of Ag/ZSM-5 catalyst. A synergistic effect was clearly observed among methane, biomass pyrolysis, and catalyst, which contributed to the exciting performance. This novel process can be extended to the conversion of coals, other biomass, and heavy oil to more valuable products.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,008
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,050
Tête enseignante GPT0,307
Écart entre enseignants0,257 · 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.

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

Citations36
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207