MétaCan
Menu
Retour à la cohorte
Enregistrement W2509721277 · doi:10.1021/acs.jced.5b00251

Prediction and Experimental Measurement of Refractive Index in Ternary Hydrocarbon Mixtures

2015· article· en· W2509721277 sur OpenAlexafffund
Mohammed Yahya, M. Ziad Saghir

Notice bibliographique

RevueJournal of Chemical & Engineering Data · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueField-Flow Fractionation Techniques
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesCanadian Space Agency
Mots-clésRefractive indexRefractometerTernary operationRefractionWavelengthHydrocarbonMaterials scienceThermodynamicsOpticsAnalytical Chemistry (journal)ChemistryPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The physical properties of hydrocarbon mixtures are of great importance in the field of science and technology. Knowing the refractive index of multicomponent liquid mixtures is essential in order to characterize these systems; however, there is a limited amount of experimental data regarding their optical properties. The present study provides precise experimental measurements of the refractive indices of three hydrocarbon compounds: 1,2,3,4-tetrahydronaphthalene (THN), isobutylbenzene (IBB), and dodecane ( n C 12 ). Sixty-three compositions (36 ternaries +27 binaries) were prepared and investigated along with their three pure components using a wide range of concentrations, temperatures and wavelengths. The refractive indices were measured using the multiwavelength Abbemat refractometer. The experimental data were then used to develop and validate new mathematical correlations which can be used to predict the refractive index of ternary mixtures as a function of concentration, temperature, and wavelength. There was a strong correlation between the experimental data and the predictive values with average residual values of ± 1.55·10 –3 . This study also investigated the relative validity of the experimental measurements of the refractive indices with theoretically estimated values using mixing rules and data from the literature. The experimental values were in substantial agreement with the predictive equation values with deviations of ± 2.50·10 –3 .

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,036
Tête enseignante GPT0,252
Écart entre enseignants0,217 · 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

Citations25
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical & Engineering DataMême sujetField-Flow Fractionation TechniquesTravaux en français237 207