MétaCan
Menu
Retour à la cohorte
Enregistrement W2529142441 · doi:10.11159/ffhmt16.113

The Practical Aspects in the Determination of Membrane Properties for Gas Permeation

2016· article· en· W2529142441 sur OpenAlexaffvenue
Haoyu Wu, Boguslaw Kruczek, Jules Thibault

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2016
Typearticle
Langueen
DomaineMathematics
ThématiqueGas Dynamics and Kinetic Theory
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPermeationMembraneProcess engineeringMaterials scienceComputer scienceChemistryChemical engineeringChromatographyEngineering

Résumé

récupéré en direct d'OpenAlex

Membrane-based pressure driven processes have been widely studied and have been used in a myriad of applications. The objective of the characterization of membranes in which gas sorption obeys Henry's law is to determine the solubility S and diffusivity D of the membrane. The time-lag method, developed by Daynes One of the important assumptions of the time-lag method is that the amount of permeate gas accumulating in the downstream receiver is small enough to have a negligible effect on the driving force. To better satisfy this assumption, it was claimed that a capacity parameter (related to the receiver volume) should be small enough Nevertheless, due to the existence of measurement noise in experimental data, the accurate determination of the time lag is difficult and a small capacity parameter will intensify the effect of noise. The accuracy of the estimated time lag is also influenced by the noise level and the data analysis procedure. An alternative to obtain the membrane properties is to fit the variation of the pressure change in the downstream reservoir as a function of time using the nonlinear regression method By minimizing the sum of squares of the differences between the experimental data and the predictions from the numerical model, the best combinations of the membrane properties can be obtained. The latter method also allows using the real rather than ideal boundary conditions at the membrane interfaces.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,185

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,050
Tête enseignante GPT0,288
Écart entre enseignants0,238 · 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'étudeThéorique ou conceptuel
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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetGas Dynamics and Kinetic TheoryTravaux en français237 207