MétaCan
Menu
Retour à la cohorte
Enregistrement W2791498527 · doi:10.1002/cjce.23175

Analytical and semi‐analytical kinetics models for design and optimization of double‐resistance resin in pulp and carbon in pulp processes with both reversible and irreversible nature

2018· article· en· W2791498527 sur OpenAlexvenueno aff
Ali Naderi, Mohammad Outokesh, Payam Ahmadian Koudakan, Davood Ghoddocynejad, Kamal Saberyan

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterial Properties and Processing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPulp (tooth)AdsorptionUraniumThermal diffusivityChemistryMaterials scienceThermodynamicsProcess engineeringPulp and paper industryComputer scienceMetallurgyOrganic chemistryEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The current study was aimed at developing a package of “model + algorithm” for the design of resin in pulp (RIP) and carbon in pulp (CIP) processes of gold, uranium, and base metals. For this purpose, we first formulated a double‐resistance model for irreversible adsorption (accompanied by chemical reaction) in CSTRs, and modified the McKay et al. semi‐analytical model for reversible uptake in a similar system. We then devised two algorithms for the design and optimization of reversible and irreversible RIP and CIP cascades. The developed algorithms were applied on the extraction of copper, uranium, and gold. The packages are able to specify the optimum number of stages, reactor volume (V), resin flow rate (m.), and resin hold up (φs). This shows an evident advantage over the McCabe‐Thiele method, whose only result is the number of stages. The new methods have only two adjustable parameters of diffusivity (Deff) and liquid film coefficient (k), whose determination can be carried out through simple batch experiments. As an additional work, this study also presents a method for mathematical troubleshooting for the Mc Kay et al. model.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,013
Tête enseignante GPT0,194
Écart entre enseignants0,181 · 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'étudeSimulation ou modélisation
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMaterial Properties and ProcessingTravaux en français237 207