MétaCan
Menu
Retour à la cohorte
Enregistrement W2320212829 · doi:10.1021/ef4010847

Copyrolysis of Oxygenate-Containing Materials with Bitumen

2013· article· en· W2320212829 sur OpenAlexaff
Elaheh Toosi, William C. McCaffrey, Arno de Klerk

Notice bibliographique

RevueEnergy & Fuels · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOxygenatePyrolysisLigninAsphaltCokeChemistryCelluloseYield (engineering)Chemical engineeringCoalPulp and paper industryOrganic chemistryWaste managementMaterials scienceCatalysisComposite material

Résumé

récupéré en direct d'OpenAlex

Thermal upgrading of bitumen at lower temperature can increase the overall liquid yield; however, from a practical point of view, decreasing the temperature leads to a lower reaction rate, eroding its industrial value. In order to increase pyrolysis rate at lower temperatures, copyrolysis of bitumen with potentially more reactive oxygenate-containing materials was proposed. The overall aim was to increase liquid yield and decrease gas yield and coke production, while increasing the pyrolysis rate. The oxygenate-containing materials that were investigated were partially oxidized bitumen, coals of different rank (lignite, subbituminous, and bituminous) and biomass-derived components (cellulose and lignin). No detectable increase in propagation rate, or decrease in the onset temperature of pyrolysis were observed due to addition of the oxygenate-containg materials. However, synergism with respect to a decrease in gas yield and organic residue was found during copyrolysis with some of the materials. There was meaningful synergism during copyrolysis with bituminous coal and lignin.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,005
Tête enseignante GPT0,172
Écart entre enseignants0,167 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207