MétaCan
Menu
Retour à la cohorte
Enregistrement W2928748769 · doi:10.18280/mmep.060112

Solar drying of drying agricultural product (Apricot)

2019· article· en· W2928748769 sur OpenAlexvenueno aff
Foued Chabane, Djamel Bensahal, Abdelhafid Brima, Noureddine Moummi

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureProduct (mathematics)Agricultural engineeringSolar dryerPrunus armeniacaEnvironmental sciencePulp and paper industryAgricultural economicsHorticultureSolar energyGeographyMathematicsEngineeringEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

This work allowed us to study the effects of some parameters on drying and specify the most influential. Drying is basically a phenomenon of removal of liquid by evaporation from an apricot. Solar drying is one of the processes that have found application in Algeria, because of the important quantities of solar irradiations that can be exploited in this country.Drying basically comprises of two fundamental and simultaneous processes: heat is transferred to evaporate liquid, and mass is transferred as a liquid or vapor within and the apricot as a vapor from the surface. The experimental study is investigated in the Biskra city of Algeria for drying Apricot in the drying room which it integrated with a solar air collector (new design) which the drying chamber receives the temperature from the solar collector which absorbed from sun. We have to spread the produce on a suitable surface and let it dry in the drying room and added the study of thermal performance of solar air collector and trying with three different airflow rates, namely, 0.018, 0.028 and 0.034 kg/s are conducted. Finally the results have been illustrated with mass water content, product temperature, drying room temperature, outlet temperature in both solar collector and drying room and enthalpy of solar collector and drying room which effect with increase the mass flow rate.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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 Opus0,020
Tête enseignante GPT0,176
Écart entre enseignants0,156 · 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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetFood Drying and ModelingTravaux en français237 207