MétaCan
Menu
Retour à la cohorte
Enregistrement W3043167361 · doi:10.15376/biores.15.3.5899-5912

Modelling of dewatering wood pulp in a screw press using statistical and multivariate analysis

2020· article· en· W3043167361 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBioResources · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil, Finite Element Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPulp (tooth)Multivariate statisticsScrew pressDewateringStatistical analysisMultivariate analysisStatistical modelMathematicsMaterials sciencePulp and paper industryStatisticsEngineeringComposite materialGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Statistical modeling of a screw press was established by using an experimental design based on the screw rotational speed, the pulp feed consistency, the pulp feed suspension freeness, the inlet pressure, and the counter-pressure at the discharge end. The statistical models showed that the screw press outputs for each pulp could be predicted. When including all data in a global model to predict the outputs of the press for any pulp, a global statistical model was found not to be efficient by using just the five fixed parameters. The solution to this problem was to use a multivariate analysis to include more parameters, mainly about the fiber characteristics (crowding factor, fiber length, fiber width, and fines content). By including these fiber properties, the differences between each pulp were more properly analyzed. The multivariate analysis predicted the press outsets very well in a global model by using eight parameters instead of five. The R2 values of the multivariate prediction model were all higher than 0.70 and had the goodness of prediction (Q2¬¬¬) higher than 0.60.

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.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,494

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 Opus0,089
Tête enseignante GPT0,285
Écart entre enseignants0,196 · 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