MétaCan
Menu
Retour à la cohorte
Enregistrement W2552370257 · doi:10.1021/acs.energyfuels.6b01912

Characterization of Heavy Distillation Cuts Using Fourier Transform Infrared Spectrometry: Proof of Concept

2016· article· en· W2552370257 sur OpenAlexaff
M. C. Sánchez-Lemus, F. F. Schoeggl, Shawn D. Taylor, Simon Ivar Andersen, Mmilili M. Mapolelo, M. Sharath Chandra, Harvey W. Yarranton

Notice bibliographique

RevueEnergy & Fuels · 2016
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensSchlumberger (Canada)University of Calgary
Organismes subventionnairesnon disponible
Mots-clésFourier transform infrared spectroscopyDistillationAnalytical Chemistry (journal)FractionationChemistryInfraredFourier transformVacuum distillationPhysical propertyMass fractionMass spectrometryInfrared spectroscopyFraction (chemistry)Spectral lineChromatographyOrganic chemistryOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Fourier transform infrared spectrometry (FTIR) spectra were measured for 16 distillation cuts obtained from two bitumens using a deep vacuum fractionation apparatus. Three regions of the spectra were deconvoluted into peaks each associated with a known type of vibration: (1) aliphatic C–H stretching in the 2800–3000 cm –1 region, (2) aliphatic C–H scissoring/symmetric deformation in the 1350–1400 cm –1 region, and (3) aromatic C–H out-of-plane bending in the 680–900 cm –1 region. The distribution of chemical structures in the oils were assessed, and preliminary correlations were identified between measured physical properties (density, atomic H/C ratio, and molecular weight) and the quantified peak areas obtained from the FTIR spectra. A preliminary method was proposed to generate physical property distribution data for crude oils based on distillation and FTIR data. The method predicted the density, atomic H/C ratio, and molecular weight of the distillation cuts, with average deviations less than 0.8, 1.4, and 16%, respectively. Note that the method was tested on the same cuts used to generate the correlations because there were insufficient data for an independent test.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,227
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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetPetroleum Processing and AnalysisTravaux en français237 207