Model for the Surface Tension of Dilute and Concentrated Binary Aqueous Mixtures as a Function of Composition and Temperature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Surface tension dictates fluid behavior, and predicting its magnitude is vital in many applications. Equations have previously been derived to describe how the surface tension of pure liquids changes with temperature, and other models have been derived to describe how the surface tension of mixtures changes with liquid-phase composition. However, the simultaneous dependence of surface tension on temperature and composition for liquid mixtures has been less studied. Past approaches have required extensive experimental data to which models have been fit, yielding a distinct set of fitting parameters at each temperature or composition. Herein, we propose a model that requires only three fitting procedures to predict surface tension as a function of temperature and composition. We achieve this by analyzing and extending the Shereshefsky (J. Colloid Interface Sci. 1967, 24 (3), 317-322), Li et al. (Fluid Phase Equilib. 2000, 175, 185-196), and Connors-Wright (Anal. Chem. 1989, 61 (3), 194-198) models to high temperatures for 15 aqueous systems. The best extensions of the Shereshefsky, Li et al., and Connors-Wright models achieve average relative deviations of 2.11%, 1.20%, and 0.62%, respectively, over all systems. We thus recommend the extended Connors-Wright model for predicting the surface tension of aqueous mixtures at different temperatures with the tabulated coefficients herein. An additional outcome of this study is the previously unreported equivalence of the Li et al. and Connors-Wright models in describing experimental data of surface tension as a function of composition at a single temperature.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle