MétaCan
Menu
Retour à la cohorte
Enregistrement W2362412385

Screens Fine Varieties of Haiyuan Foenuculum vulgare Mill. and Studies on it's Volatile Oil Chemical Composition

2009· article· en· W2362412385 sur OpenAlexvenueno aff
Yuxia Song

Notice bibliographique

RevueSeed · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueRemote Sensing and Land Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFoeniculumRaw materialPulp and paper industryChemical compositionMillInner mongoliaExtraction (chemistry)Yield (engineering)Composition (language)HorticultureMathematicsChemistryEnvironmental scienceMaterials scienceBiologyChromatographyGeographyEngineeringMetallurgy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Objective:To discusses the difference of volatile oil content and the chemical composition between introduce Foeniculum vulgare Mill varieties to Haivuan varieties,which with high yield and fine quality located in different province,such as Gansu,Inner Mongolia and Shanxi and local variety,provide the reference data for the Haiyuan Foeniculum vulgare Mill.varieties screening and high yield culture technique.Methods:Used the volatile oil received rate(%)as index,degree pulverization of medicine material(A),water quantity(B),immersion time(C),extraction time(D)as inspection factors,used the orthogonal experiment L9(34)to definite volatile oil optimum extraction craft.Used the optimized method extracted the volatile oil of different varieties of Foeniculum vulgare Mill.,and unified GC-MS to determine the chemical composition of its volatile oil and the content separately.Conclusion:The best methods of extracting the volatile oil from the Foeniculum vulgare Mill.was crushing raw material for medicine 40 items,added 12 times water,soaked 1h,withdrew 9h;Volatile oil content of different located Foeniculum vulgare Mill.varieties was different,and the order was:ShanxiHaiiyuanGansuInner Mongolia.And the composition of volatile oil was same,but the content was different slightly.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,755
Score d'incertitude au seuil0,270

Scores Codex et Gemma par catégorie

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 Opus0,018
Tête enseignante GPT0,233
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeedMême sujetRemote Sensing and Land UseTravaux en français237 207