Self-Modeling Multivariate Curve Resolution Model for Online Monitoring of Bitumen Conversion Using Infrared Spectroscopy
Notice bibliographique
Résumé
For the efficient real-time monitoring of reaction chemistry in a complex mixture using online spectroscopy, it is essential to develop a mathematical tool that can automatically resolve the spectra so that either the spectral or the concentration profile of the changing species can be tracked easily. While self-modeling multivariate curve resolution (SMCR) is a well-suited tool when initial profiles are known beforehand, it is not straightforward to use when dealing with complex mixtures. In this study, a multivariate data analysis algorithm was designed for use with online infrared spectroscopy to provide an instant best estimate of the reaction chemistry of a complex mixture with no additional user input. The investigated process is thermal conversion of oil sands bitumen, and the study employed 43 infrared spectra from samples, collected offline, of products treated at different temperatures and time periods. The resolved spectral and concentration profiles can be used to understand the reaction mechanism of the system. In addition to the concentration and spectral profile, simple parameters were devised to monitor the changes in the key regions of the spectral profiles. In general, the results described the possible reaction mechanism of the investigated system and were consistent with other experimental findings in the literature. Computationally, the algorithm requires only a few seconds to converge and is therefore suitable for online monitoring.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».