A Stepwise-Cluster Inference Model for Phenanthrene Immobilization at the Aqueous/Modified Palygorskite Interface
Notice bibliographique
Résumé
A stepwise-cluster inference (SI) model was established through introducing stepwise-cluster analysis (SCA) into the phenanthrene immobilization process at the aqueous/modified palygorskite interface. SCA has the advantages of tackling the nonlinear relationships among environmental factors and the phenanthrene sorption amount in the immobilization process. The essence of SCA is to form a tree-based classification on a series of cutting or mergence procedures under given statistical criteria. The results indicated that SI could help develop a statistical relationship between environmental variables and the phenanthrene sorption amount, where discrete and nonlinear complexities exist. During the experiment, data were randomly sampled 10 times for model calibration and verification. The R2 (close to one) and root mean squared error (RMSE) (close to zero) values guaranteed the prediction accuracy of the model. Compared to other statistical methods, the calculation of R2 and RMSEs showed that SI was more straightforward for describing the nonlinear relationships and precisely fitting and predicting the immobilization of phenanthrene. Through the calculation of the input effects on the output in the SI model, the influence of environmental factors on phenanthrene immobilization were ranged in descending order as: initial phenanthrene concentration, ionic strength, pH, added humic acid dose, and temperature. It is revealed that SCA can be used to map the nonlinear and discrete relationships and elucidate the transport patterns of phenanthrene at the aqueous/modified palygorskite interface.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».