In situ epoxidation of waste soybean cooking oil for synthesis of biolubricant basestock: A process parameter optimization and comparison with RSM, ANN, and GA
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
Abstract In this work, the use of artificial neural networks (ANNs) as an alternative tool for modelling and predicting the optimum conversion of the unsaturated fatty acid to epoxide in comparison with the response surface methodology (RSM) was developed. In the present investigation, waste soybean cooking oil (WCO) as biolubricant basestock was prepared via structural modification of unsaturated fatty acids (in situ epoxidation). Optimization of the effect of process parameters on maximum oxirane oxygen content (OOC) was studied using RSM. Interaction among the process parameters, such as C=C bonds to H 2 O 2 molar ratio, catalyst loading, and reaction time was examined by ANOVA. The main focus of this study was to establish optimum OOC conditions using sulphuric acid (H 2 SO 4 ) as a homogeneous acid catalyst. Optimum OOC of epoxidized waste soybean cooking oil (EWCO) was found to be 4.69 mass% under the experimental conditions of 60 °C temperature, 6 h reaction time, 1.5 g of catalyst loading, and 1:2 molar ratio of C=C bonds to H 2 O 2 . The resultant epoxide product was confirmed with the help of Fourier transform infrared spectroscopy (FTIR) (at 844.82 cm −1 ) and nuclear magnetic resonance spectroscopy (NMR) (at δ 2.8 to δ 3.1 ppm) analysis. Significant physicochemical properties of the prepared lubricant basestock were evaluated at optimum conditions using standard methods. Further, ANN modelling and genetic algorithm (GA) optimization were carried out by using an identical dataset. The results of the study revealed that the chemically modified WCO derivatives also can act as a potential biolubricant basestock.
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