MétaCan
Menu
Retour à la cohorte
Enregistrement W2804070586 · doi:10.1021/acssuschemeng.8b01616

A Review of Clathrate Hydrate Based Desalination To Strengthen Energy–Water Nexus

2018· review· en· W2804070586 sur OpenAlexaff
Ponnivalavan Babu, Abhishek Nambiar, Tianbiao He, Iftekhar A. Karimi, Ju Dong Lee, Peter Englezos, Praveen Linga

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2018
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesKorea Institute of Industrial TechnologyNational Research Foundation SingaporeShell
Mots-clésDesalinationClathrate hydrateSeawaterBrineProduced waterWater-energy nexusHydrateEnvironmental scienceSustainabilityEnvironmental engineeringNexus (standard)ChemistryEngineeringGeologyEcologyOceanography

Résumé

récupéré en direct d'OpenAlex

Water resource management impacts almost all aspects of the economy, in particular health, food production and security, domestic water supply and sanitation, energy, industry and environmental sustainability. For the last several decades, seawater has become an important source of fresh water as it is one of the most abundant resources on earth. Desalination is the process of removal of salts from seawater and is postulated to be a core technology in alleviating this problem. Clathrate hydrate based desalination (HyDesal) is a potential technology for seawater desalination. Salts are excluded from hydrate formation, thereby resulting in solid hydrate and concentrated brine. After separation from brine, the solid hydrate crystals upon dissociation produce pure water. In this work, a detailed review of the literature (both patents and publications) so far on HyDesal is critically evaluated, and prospects and directions to commercialize the HyDesal process are presented. Further, innovation by coupling LNG cold energy with HyDesal can make it economically attractive and can strengthen the energy–water nexus.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,011
Tête enseignante GPT0,233
Écart entre enseignants0,221 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations405
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207