MétaCan
Menu
Retour à la cohorte
Enregistrement W2357448176

High Proportion Sintering Performance of Canadian Iron Concentrate

2014· article· en· W2357448176 sur OpenAlexaboutno aff
Jia Pan

Notice bibliographique

RevueIronmaking & Steelmaking Processes Products and Applications · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueIron and Steelmaking Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSinteringMaterials scienceMetallurgyAnthraciteSofteningSoftening pointMixing (physics)Permeability (electromagnetism)Composite materialCoalWaste managementChemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The sintering performance of Canada iron concentrate and metallurgical performance of sinter product was studied, the physic-chemical properties was investigated. The results show that the sintering indexes and metallurgical performance of sinter product both get some worse with the mixing rate of concentrate increasing from 24% to 42%. The permeability resistance of sinter bed increases from 857 Pa to 1 150 Pa,the vertical sintering speed drops to 18.38 mm/min from21.87 mm/min, the productivity declines from 1.14 t/(m2·h)to 0.93 t/(m2·h),the tumble index falls to 64.13% from67.47%, the anthracite solid fuel consumptions increases to 70.42 kg/tfrom 62.46 kg/t, meanwhile, the reduction index(RI)and the reduction degradation index RDI3.15 mmfor sinter product drops from 82.31% and 70.71% to 78.76% and 64.41%,respectively. This kind of concentrate was bad for granulating of mixture because of its major mineral-specularite and martite whose mineral surface has poor hydrophilicity-and unreasonable size composition, meanwhile, it is hard to generate enough liquid during sintering due to its dense and smooth surface and poor sintering capability-its softening temperature is more than 1 450 ℃. Therefore, poor granulating performance of Canadian concentrate leads to worse layer permeability then cause poor sintering performance, while high softening temperature results in the tumble index decreases when the mixing rate of concentrate increases.

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 enseignants0,919
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,192
Écart entre enseignants0,183 · 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIronmaking & Steelmaking Processes Products and ApplicationsMême sujetIron and Steelmaking ProcessesTravaux en français237 207