MétaCan
Menu
Retour à la cohorte
Enregistrement W2890768423 · doi:10.1049/iet-its.2018.5266

PM and PAHs emissions of ship auxiliary engine fuelled with waste cooking oil biodiesel and marine gas oil

2018· article· en· W2890768423 sur OpenAlexaff
Penghao Su, Lijiang Wei, Chunyan Hou, Fang Yin, Gregg T. Tomy, Yifan Li, Daolun Feng

Notice bibliographique

RevueIET Intelligent Transport Systems · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensThe Debajehmujig Creation Centre (Canada)University of Manitoba
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBiodieselEnvironmental scienceWaste managementWaste oilPollutantParticulatesBiofuelHydrocarbonDiesel fuelChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Clean fuels are recommended for ships at berth to reduce air pollutant emissions. This study aimed to evaluate the feasibility of waste cooking oil (WCO) biodiesel application on board with regard to particle matter (PM) and polycyclic aromatic hydrocarbon (PAH) emissions. An experiment was conducted on a marine auxiliary engine for three different fuels: WCO biodiesel, formulation blends with marine gas oil (MGO) and neat MGO. Results revealed that WCO biodiesel could reduce PM and PAHs emissions. WCO exhaust also exhibited differences in PAH profile and phase distribution as compared to MGO, depending on the operation modes and the proportion of biodiesel in the formulation blends. Consequently, WCO biodiesel could dramatically reduce the total carcinogenic potencies related to PAHs of exhausts. Moreover, PAH source recognition pair ratios of tested fuels were observed to deviate from the widely accepted values. This study highlights that WCO biodiesel is a cleaner fuel for operating ship auxiliary engines with respect to PM and PAHs emissions and has the potential to moderate the severe effects of PM and PAHs on an air of coastal areas.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,206
Écart entre enseignants0,195 · 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'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

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Intelligent Transport SystemsMême sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207