MétaCan
Menu
Retour à la cohorte
Enregistrement W2600649752 · doi:10.1002/cjce.22842

Removal of fine and ultrafine particles by means of a condensational growth assisted bubble column

2017· article· en· W2600649752 sur OpenAlexvenueno aff
F. La Motta, Francesco Di Natale, Claudia Carotenuto, Amedeo Lancia

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAerosol Filtration and Electrostatic Precipitation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBubbleCondensationParticle (ecology)PolystyreneTube (container)AerosolParticle sizeMaterials scienceDraft tubeParticle aggregationUltrafine particleChemical engineeringChemistryNanoparticleChromatographyAnalytical Chemistry (journal)NanotechnologyComposite materialMechanicsThermodynamicsPolymerPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The paper shows experimental findings aimed to prove the effectiveness of a concept design for fine and ultrafine particle capture called condensational growth assisted bubble column. Experiments were carried out with a gas at ambient temperature and pressure polluted with calibrated polystyrene nanoparticles (mean numeric diameter 113 nm, standard deviation 120 nm). The laboratory scale equipment included the sequence of a growth tube and a bubble column. In the growth tube, the heterogeneous condensation of water vapour took place over the particles, producing a liquid‐solid aerosol of size larger than the original particles. Experiments showed that the condensational growth pre‐treatment improved the bubble column removal efficiency from nearly 25 % up to 90 %. The growth tube also contributed to particle capture so that the overall system reached particle removal efficiency above 95 %. The particle removal efficiency of the entire unit was higher than the sum of the single growth tube and bubble column contributions, suggesting the occurrence of favourable synergic effect between them.

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 enseignants0,075
Score d'incertitude au seuil0,236

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 Opus0,010
Tête enseignante GPT0,192
Écart entre enseignants0,183 · 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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetAerosol Filtration and Electrostatic PrecipitationTravaux en français237 207