MétaCan
Menu
Retour à la cohorte
Enregistrement W2947771316 · doi:10.1002/cjce.23515

Modelling and experimental study of hydrate formation kinetics of natural gas‐water‐surfactant system in a multi‐tube bubble column reactor

2019· article· en· W2947771316 sur OpenAlexvenueno aff
Yanan Xin, Jianwen Zhang, Yingwei He, Chuansheng Wang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesKey Technologies Research and Development ProgramBeijing University of Chemical TechnologyNational Key Research and Development Program of ChinaBeijing University of Technology
Mots-clésMass transferDraft tubeHydrateTurbulenceBubble column reactorThermodynamicsTube (container)MechanicsBubbleClathrate hydrateSlurryMass transfer coefficientNatural gasChemistryMaterials sciencePhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

To promote the heat and mass transfer during the hydrate formation process, an internal spiral‐grooved tube (ISGT) was proposed as the reaction tube in a large‐scale multi‐tube bubble column reactor with external slurry circulation. In order to investigate such multi‐component gas (natural gas)‐water‐surfactant systems during the hydrate formation process in the ISGT, based on the solute permeation model and Kolmogorov isotropic turbulence theory, a CFD method combined with the population balance model (PBM) was utilized to simulate gas‐liquid mass transfer coefficient. Then, the hydrate formation kinetics model in ISGT was modelled based on the model proposed by Kashchiev and Firoozabadi. The hydrate formation experiments were carried out in the multi‐tube bubble column reactor at six different pressure‐temperature‐circulating flow velocities of piston pump regimes to investigate the actual formation process of natural gas hydrate. The experimental results were then used to finetune the optimized parameters to facilitate accurate model predictions.

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 enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,179
Écart entre enseignants0,170 · 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207