Evolution of tar ball aggregates in Caspian Sea: Implications of connectionist tools linked with image analysis
Notice bibliographique
Résumé
Intensive petroleum activities in the Caspian Sea lead to a considerable oil pollution in the various parts of this region. Tar balls stranded on the south coast of the Caspian Sea evidently cause (and accelerate) this serious environmental threat. In this study, a poloxamine copolymeric surfactant is used to agglomerate tar balls in a system containing the solvent, antisolvent, and Caspian Sea tar balls. This research work is conducted to determine the cumulative size distribution of tar balls in the presence of a poloxamine copolymer. The evolution of tar ball aggregates is experimentally and theoretically investigated and the steady‐state size distribution of the tar balls is estimated by Back Propagation Artificial Neural Network (ANN‐BP) and a new evolutionary algorithm, called Imperialist Competitive Algorithm (ICA). The average size of tar ball aggregates increases with time and reaches a maximum value. It then declines and eventually approaches a steady‐state condition so that an almost constant size for the particles is attained. The statistical analysis shows a good agreement between the predicted values (obtained by the neural network combined with ICA, known as ANN‐ICA) and the real data for the steady‐state size distribution of the aggregates. This research study can considerably help to further understand evolution of tar balls (that hit the beaches) and consequently to find effective and economical ways for tar balls removal from the beaches. © 2018 American Institute of Chemical Engineers Environ Prog, 37: 1901–1907, 2018
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».