MétaCan
Menu
Retour à la cohorte
Enregistrement W2370826617

Effect of Nitration Agents and Soft Wood Treatment on Nitrogen Content and Uniformity of Nitrocellulose

2014· article· en· W2370826617 sur OpenAlexaboutno aff
Had Hong-yin

Notice bibliographique

RevueChinese Journal of Energetic Materials · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNitrationNitrogenNitrocelluloseChemistryLigninSteam explosionCelluloseSoftwoodPulp and paper industryMaterials scienceOrganic chemistryComposite material
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nitrocellulose samples(NC) with A,B,C,and D grade were synthesized by nitrating Canadian softwood in HNO_3/H_2SO_4/H_2O and HNO_3/CH_2Cl_2,respectively.The nitrogen content and nitrogen content distribution(uniformity of nitration) of nitrocellulose were analyzed by a polarizing microscope.Using high-pressure steam explosion technology,soft wood was treated before processing.The effect of steam explosion treatment on the nitrogen content distribution of high nitrogen B and low nitrogen D grade NC was discussed.Results show that the nitrogen content distribution of nitration product from HNO_3/CH_2C1_2 is more uniform than that of product from HNO_3/H_2SO_4/H_2O under the same nitrogen content condition.Uniformities of nitration indicators of N C of A,B,C and D grade improve by 16.9%、17.5%、16.8%and 25.7%Respectively.Steam explosion preprocess can improve nitrogen content and uniformity of product in the same nitrification system because the efficiency of nitration agents diffusion to cellulose fiber interior is improved by this treatment,and thus the uniformity for B grade NC can increase by 6.06%and for D grade NC by 7.56%.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,505

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,017
Tête enseignante GPT0,285
Écart entre enseignants0,268 · 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'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 revueChinese Journal of Energetic MaterialsMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207