Determination of Hydrocarbon Group-Type of Diesel Fuels by Gas Chromatography with Vacuum Ultraviolet Detection
Notice bibliographique
Résumé
A GC-vacuum ultraviolet (UV) method to perform group-type separations of diesel range fuels was developed. The method relies on an ionic liquid column to separate diesel samples into saturates, mono-, di-, and polyaromatics by gas chromatography, with selective detection via vacuum UV absorption spectroscopy. Vacuum UV detection was necessary to solve a coelution between saturates and monoaromatics. The method was used to measure group-type composition of 10 oilsands-derived Synfuel light diesel samples, 3 Syncrude light gas oils, and 1 quality control sample. The gas chromatography (GC)-vacuum UV results for the Synfuel samples were similar (absolute % error of 0.8) to historical results from the supercritical fluid chromatography (SFC) analysis. For the light gas oils, discrepancies were noted between SFC results and GC-vacuum UV results; however, these samples are known to be challenging to quantify by SFC-flame ionization detector (FID) due to incomplete resolution between the saturate/monoaromatic and/or monoaromatic/diaromatic group types when applied to samples heavier than diesel (i.e., having a larger fraction of higher molecular weight species). The quality control sample also performed well when comparing both methods (absolute % error of 0.2) and the results agreed within error for saturates, mono- and polyaromatics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».