MétaCan
Menu
Retour à la cohorte
Enregistrement W2761032440 · doi:10.1021/acs.iecr.7b02674

Dynamic Flocculation of Ultrafine Particles of Coal-Fired Power Plant Induced by Ionic Polyacrylamides at Bench and Pilot Scales

2017· article· en· W2761032440 sur OpenAlexafffund
Xiaobang Hou, Yi Zhang, Yuanfeng Pan, Huining Xiao, Haoren Chen, Yiwei Chen, Shuming Du, Hua Guo

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAerosol Filtration and Electrostatic Precipitation
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesBeijing Municipal Science and Technology CommissionNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésFlocculationFlue gasUltrafine particlePolyacrylamideChemical engineeringMaterials scienceDispersion (optics)Pilot plantParticulatesParticle sizeChemistryNanotechnologyPolymer chemistryOrganic chemistryPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Ultrafine particles or particulate matter emitted from coal-fired power plants pose serious threats to public health. In this work, unique processes for flocculating ultrafine particles were developed and conducted at both bench and pilot scales. The results from dynamic flocculation processes, monitored through a benchtop photometric dispersion analyzer, indicated that ionic polyacrylamide of high molecular weight (MW) induced effective flocculation at concentrations of 1–3 ppm and neutral pH. Such conditions were adopted in a pilot-scale flocculation tower in accordance with the actual operating parameters of a power plant to verify the flocculation of ultrafine particles induced by counter-flow spraying flocculant solution into simulated flue gas. Results showed that the best conditions in pilot trials were to spray the diluted solution of anionic polymer with ultrahigh MW at 20 mL/min, which increased fine particle size from 2.46 to 25.9 μm (floc size), thus demonstrating the effectiveness of the process.

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)0,001
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 enseignants0,057
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0000,000

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 Opus0,055
Tête enseignante GPT0,302
Écart entre enseignants0,247 · 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

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetAerosol Filtration and Electrostatic PrecipitationTravaux en français237 207