MétaCan
Menu
Retour à la cohorte
Enregistrement W2474803197 · doi:10.1016/j.biortech.2016.06.138

Acidification of prehydrolysis liquor and spent liquor of neutral sulfite semichemical pulping process

2016· article· en· W2474803197 sur OpenAlexafffund
Pedram Fatehi, Weijiue Gao, Yonghui Sun, Mehdi Dashtban

Notice bibliographique

RevueBioresource Technology · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNuclear Safety and Security CommissionFPInnovations
Mots-clésBlack liquorChemistryKraft paperDissolving pulpPulp and paper industryKraft processSulfiteLigninPulp (tooth)Soda pulpingCelluloseOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Acidification has been commercialized for producing kraft lignin from black liquor of kraft pulping process. This work intended to evaluate the effectiveness of acidification in extracting lignocelluloses from the spent liquor of neutral sulfite semichemical pulping (NSSC) process and from prehydrolysis liquor (PHL) of kraft-based dissolving pulp production process. The results showed that the NSSC and PHL spent liquors had some lignin-carbohydrate complexes (LCC), and that the square weighted counts of particles with a chord length of 50-150μm in the spent liquors were significantly increased as pH dropped to 1.5. Interestingly, the acidification reduced the lignosulfonate/lignin content of NSSC and PHL by 13% or 20%, while dropped their oligosugars content by 75% and 38%, respectively. On a dry basis, the precipitates had more carbon, hydrogen and a high heating value of 18-22MJ/kg, but less oxygen, than spent liquors. The precipitates of PHL could be used as fuel.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,388

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 Opus0,004
Tête enseignante GPT0,192
Écart entre enseignants0,189 · 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

Citations48
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioresource TechnologyMême sujetLignin and Wood ChemistryTravaux en français237 207