Qualitative role of heterogeneous catalysts in biodiesel production from Jatropha curcas oil
Notice bibliographique
Résumé
Biodiesel properties are in general attributed to the composition and properties of the oil feedstock used, overlooking the possible impacts of the catalyst preparation details. In light of that, the impacts of different catalyst preparation techniques alongside those of different support materials on the yield, composition, and fuel properties of biodiesels produced from the same oil feedstock were investigated. More specifically, tri-metallic (Fe-Co-Ni) catalyst was synthesized through two different techniques (green synthesis and wet impregnation) using MgO or ZnO as support material. The generated catalyst pairs, i.e., Fe-Co-Ni/MgO and Fe-Co-Ni/ZnO prepared by wet impregnation and Fe-Co-Ni-MgO and Fe-Co-Ni-ZnO prepared by green synthesis (using leaf extracts) were used in the transesterification process of Jatropha curcas oil. Detailed morphological properties, composition, thermal stability, crystalline nature, and functional groups characterization of the catalysts were also carried out. Using Box-Behnken Design response surface methodology, it was found that the green-synthesized Fe-Co-Ni-MgO catalyst resulted in the highest biodiesel yield of 97.9%. More importantly, the fatty acid methyl ester (FAME) profiles of the biodiesels produced using the four catalysts as well as their respective fuel properties were different in spite of using the same oil feedstock.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».