MétaCan
Menu
Retour à la cohorte
Enregistrement W3005419361 · doi:10.1002/cjce.23721

New insight about the relationship between the main characteristics of precursor materials and activated carbon properties using multivariate analysis

2020· article· en· W3005419361 sur OpenAlexvenueno aff
Mateus Pereira Flores Santos, Josiane F. Silva, Rafael da Costa Ilhéu Fontan, Renata Cristina Ferreira Bonomo, Leandro Soares Santos, Cristiane Martins Veloso

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLigninCelluloseCarbon fibersActivated carbonMaterials scienceMultivariate statisticsChemical engineeringCharacterization (materials science)Volume (thermodynamics)Principal component analysisOrganic chemistryChemistryComposite materialNanotechnologyMathematicsAdsorptionComposite number

Résumé

récupéré en direct d'OpenAlex

Abstract Agro‐industrial wastes are used as carbon precursors in the production of activated carbon because they are rich in lignocellulosic materials. This study aimed to investigate the relationship between the main characteristics of precursor materials and activated carbons by multivariate analysis. After characterization of the precursor materials and their respective carbons, the principal component analysis and canonical correlation analysis were performed. Materials with cellulose/lignin ratio > 3.0 led to the production of carbons with a higher pore diameter, while materials with a cellulose/lignin ratio ≤ 1.0 led to a low pore volume. Using the mathematical models obtained, it is possible to predict the carbon characteristics using only the composition data of the lignocellulosic materials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,008
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0000,000

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 Opus0,033
Tête enseignante GPT0,223
Écart entre enseignants0,190 · 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 tête enseignante, 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207