MétaCan
Menu
Retour à la cohorte
Enregistrement W2360069275

Experimental Research of Effect of Iron Ore Powders Ratio on Ferro-Coke Quality

2014· article· en· W2360069275 sur OpenAlexaboutno aff
Shi Shi-zhuan

Notice bibliographique

RevueIronmaking & Steelmaking Processes Products and Applications · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueIron and Steelmaking Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIron oreCokeBlast furnaceMetallurgyMaterials scienceIron oxideDirect reduced iron
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

High reactivity ferro-coke is a novel blast furnace burden material which could improve blast furnace efficiency and reduce CO2emissions greatly,and reaches the goal of reasonable utilization of resources of low-grade coal and iron ore.Through a series of coke-making experiments,the relationship between the ratio of iron ore powders and the ferro-coke properties such as ash content,sulfur content,relative density,mechanical strength and thermal property were studied under condition of various iron ore powders and blend ratios.The results show that,with increasing of ratios of iron ore powders,for the ferro-coke,sulfur content increases slightly,ash content increases linearly,both true and apparent relative densities increase,both total and apparent porosity decrease,both crushing strength and abrasive strength decrease,reactivity increases and strength after reaction decreases,metallic iron content increases and reduction degree of iron oxides increases for the Canadian and E-xi iron ore powders and reduction degree of iron oxides decreases for the Australian iron ore powder.On the ratio of iron ore powder less than 15%, the mass percent of metallic iron is 6%-9%,and reduction degree of iron oxides is 55%-70%for the ferro-coke from Canadian and E-xi iron ore powder.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,039
Tête enseignante GPT0,347
Écart entre enseignants0,308 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

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