MétaCan
Menu
Retour à la cohorte
Enregistrement W2327817462 · doi:10.1021/ef100977d

Development of Biochar-based Catalyst for Transesterification of Canola Oil

2010· article· en· W2327817462 sur OpenAlexafffund
Joyleene T. Yu, Amir Mehdi Dehkhoda, Naoko Ellis

Notice bibliographique

RevueEnergy & Fuels · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiocharCarbonizationCatalysisThermogravimetric analysisTransesterificationCharMethanolMaterials scienceCarbon fibersSpecific surface areaBET theoryChemical engineeringBiodieselNuclear chemistryChemistryOrganic chemistryPyrolysisAdsorptionComposite materialComposite number

Résumé

récupéré en direct d'OpenAlex

Heterogeneous catalysts bearing sulfonic acid groups were prepared using biochar as the carbon support. Biochar samples were first treated with KOH before carbonization at different temperatures (450, 675, and 875 °C) then sulfonated using fuming H 2 SO 4 at 150 °C for 15 h. The sulfonated catalysts were characterized using BET surface area and porosity, elemental analysis, total acid density, FT-IR spectroscopy, X-ray diffraction, and thermogravimetric analysis. Catalytic performance was determined via the transesterification of canola oil with methanol. The reaction yield was found to be dependent on both catalyst surface area and total acid density, suggesting that the maximum yield would be obtained for a catalyst prepared from char carbonized between 675 and 875 °C. FT-IR spectra and XRD patterns reveal that higher carbonization temperatures cause an increasing reorientation of the biochar’s carbon sheets toward a more graphite-like structure, decreasing the total acid density despite the increasing surface area. Catalyst reusability was poor under high temperature/pressure conditions.

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 seuil0,002

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
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,221
Écart entre enseignants0,204 · 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

Citations188
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetBiodiesel Production and ApplicationsTravaux en français237 207