MétaCan
Menu
Retour à la cohorte
Enregistrement W3014861166 · doi:10.1134/s0040579520010182

Bio-Foam Internals for Potential Water Treatment Units Adapted to Marine Applications: Hydrodynamic Study

2020· article· en· W3014861166 sur OpenAlexaff
Iman Mohammed, Amir Motamed Dashliborun, Faı̈çal Larachi

Notice bibliographique

RevueTheoretical Foundations of Chemical Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrohydrodynamics and Fluid Dynamics
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMarine engineeringEnvironmental scienceProcess engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Reliance on harmless and renewable resources to mitigate process environmental footprint has become increasingly important for the design and operation of sustainable processes. One challenge that is prevalent in marine water surface contamination concerns treatment and recovery from oil spills where efforts are needed to design emergency units adapted to marine conditions. Potential candidates are naturally-grown porous loofa (bio-foam) materials which can be integrated in floating units transportable to the contamination area. For this purpose, a hexapod platform motion simulator was employed to emulate sea-driven floating movements of a column packed with two loofa bio-foam packings (dense and open-cell samples) and operated in cocurrent gas-liquid upflow mode. The column hydrodynamic behaviour was monitored by means of capacitance wire mesh sensors and electrical capacitance tomography for various inclination and rolling parameters. In the case of dense bio-foam packing, the relatively even distribution of gas and liquid in the vertical bed tended to degrade as the bed tilted up to 15°. Column rolling prompted fluid displacements in bed crosswise planes inducing notable amplitude oscillations of the local liquid saturation. Kerosene exhibited a strong foaming behavior with promotion of earlier inception of pulsing flow as a function of column inclination as compared to water.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,723
Score d'incertitude au seuil0,911

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,220
Écart entre enseignants0,212 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheoretical Foundations of Chemical EngineeringMême sujetElectrohydrodynamics and Fluid DynamicsTravaux en français237 207