MétaCan
Menu
Retour à la cohorte
Enregistrement W2753575286 · doi:10.1002/cjce.23012

Effect of sorbent reactivity on flue gas desulphurization in fluidized‐bed boilers under air firing mode

2017· article· en· W2753575286 sur OpenAlexvenueno aff
A. Szymanek, Margarita de Las Obras Loscertales, Anna Pajdak

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Gas Emission Control
Établissements canadiensnon disponible
Organismes subventionnairesMinisterio de Ciencia e InnovaciónFederación Española de Enfermedades Raras
Mots-clésSorbentSorptionFlue-gas desulfurizationFlue gasChemistryFluidized bed combustionReactivity (psychology)CombustionBoiler (water heating)Chemical engineeringWaste managementAdsorptionOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The article presents research into the reactivity and SO2 sorption abilities of calcareous sorbents, which vary in quality. Two sorbents were used: limestone and travertine, with grain sizes between 0.125 and 0.250 mm. The sorbent reactivity tests were performed on a laboratory test stand. The reactivity index and the conversion degree were also determined. SO2 sorption studies were conducted in an industrial boiler. The desulphurization efficiency was determined taking into the account the content of calcium and sulphur put into and taken out of the boiler. The relation of the desulphurization process parameters such as fuel sulphur content, stream sorbent, sorbent utilization degree, desulphurization efficiency, depending on the molar ratio Ca/S and the duration of the process was specified. The SO2 sorption results were compared with the reactivity index of the sorbents. The investigation in dry combustion‐gas desulphurization methods showed the high quality of the sorbents whose reactivity index is above 3.5.

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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,221
Écart entre enseignants0,211 · 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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetIndustrial Gas Emission ControlTravaux en français237 207