MétaCan
Menu
Retour à la cohorte
Enregistrement W2766399507 · doi:10.1515/secm-2016-0382

Optimization of the PDMS/biochar nanocomposite membranes using the response surface methodology

2017· article· en· W2766399507 sur OpenAlexaff
Yongqiang Lan, Ning Yan, Weihong Wang

Notice bibliographique

RevueScience and Engineering of Composite Materials · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane Separation and Gas Transport
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBiocharMembraneMaterials sciencePolydimethylsiloxanePervaporationPyrolysisPermeationNanocompositeChemical engineeringComposite numberResponse surface methodologyComposite materialChromatographyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract To improve the separation performance of the polydimethylsiloxane (PDMS)/bark biochar (BB) nanocomposite membranes used for alcohol/water separation, the preparation conditions of these composite membranes were analyzed and optimized. In this study, we investigated the following preparation parameters: the BB pyrolysis temperature, the weight ratio of the silane coupling agent (KH-550) to bark biochar (BB), and the BB loading amount. The regression equations were established between these three preparation parameters and the final pervaporation (PV) performance characteristics of the composite membranes. The membranes performed the best under the following optimal preparation conditions: a BB pyrolysis temperature of 407°C; a silane coupling reagent/BB weight ratio of 0.86, and a BB loading amount of 3.36 wt%. According to the results of the regression analysis, a maximum permeation flux of 221.2 g·m −2 ·h −1 and a maximum selective factor of 21.3 was obtained when the feed temperature for the 5 wt% alcohol solution was set at 40°C.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,378
Score d'incertitude au seuil0,291

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,038
Tête enseignante GPT0,279
Écart entre enseignants0,241 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience and Engineering of Composite MaterialsMême sujetMembrane Separation and Gas TransportTravaux en français237 207