MétaCan
Menu
Retour à la cohorte
Enregistrement W2326393373 · doi:10.1021/ie401918e

Kinetic Studies of a Novel CO<sub>2</sub> Gasification Method Using Coal from Deep Unmineable Seams

2013· article· en· W2326393373 sur OpenAlexaffabout
Rico Silbermann, Arturo Gomez, Ian D. Gates, Nader Mahinpey

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueCoal Properties and Utilization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCoalCharReactivity (psychology)Carbon fibersCarbon dioxideCoal miningMineralogyChemistryNitrogenInertInert gasCarbochemistryGas compositionGeologyChemical engineeringEnvironmental scienceMaterials scienceOrganic chemistryThermodynamicsComposite numberComposite materialCoal liquefaction

Résumé

récupéré en direct d'OpenAlex

Seven coal samples taken from cores drilled in the Cretaceous Mannville Group were used for investigation of coal properties and carbon dioxide (CO 2 ) gasification. The depths of the cores ranged between 700 and 800 m below the surface in the Western Canadian Sedimentary Basin. A new method was developed with an average heating rate of 200 K/min using CO 2 as the gasifying agent from the experiment’s beginning until its end. The coal properties of the seven coals from these deep coal seams showed certain similarities and variations. There is an obvious relationship between the reactivity and the material properties determined in the study. In particular, the specific surface area calculated relative to the carbon content measured in the ultimate analysis showed a correlation with the reactivity. The ash content and composition also appeared to influence char reactivity. The gasification behaviors of the in situ coals were compared to those of two surface-mined coals. The new method of coal gasification showed a significant difference to those that were heated up in an inert gas, such as nitrogen, to the target temperature. A maximum rate of reaction did not exist when the new method was used, and the integrated core model gave better results than the commonly used random pore model in terms of kinetic modeling.

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 enseignants0,008
Score d'incertitude au seuil0,015

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)0,0000,000

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 Opus0,215
Tête enseignante GPT0,363
Écart entre enseignants0,148 · 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

Citations32
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetCoal Properties and UtilizationTravaux en français237 207