MétaCan
Menu
Retour à la cohorte
Enregistrement W3045166185 · doi:10.1016/j.ultsonch.2020.105266

Experimental studies on the effect of ultrasonic treatment and hydrogen donors on residual oil characteristics

2020· article· en· W3045166185 sur OpenAlexaff
Jianxin Qiao, Kai Zuo, Yudong Sun, Wenping Song, Xiaoxiao Zhang, Lizhou Dai, Wuyi Wang, Cuiying Jian

Notice bibliographique

RevueUltrasonics Sonochemistry · 2020
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensYork University
Organismes subventionnairesHarbin Institute of Technology
Mots-clésUltrasonic sensorResidual oilAsphalteneDistillationHydrogenRefining (metallurgy)ResidualChemistryViscosityRefineryChemical engineeringContext (archaeology)Materials scienceOrganic chemistryPulp and paper industryComposite materialPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Residual oil, the residue after the distillation of crude oil, imposes deleterious effects on refinery due to its high viscosity and asphaltene content. In this context, ultrasonic technology has been widely applied in refining processes given its high efficiency and minimal environmental impacts. To guide the selection of operation parameters, in this work, we probed the effect of treatment duration, power, and hydrogen donor on the characteristics of residual oil under ultrasonic treatments. Underlying mechanisms of ultrasonic treatments, in the absence and presence of hydrogen donors, were verified through systematically analyzing viscosity, component conversion, molecular weight, hydrogen distribution, and functional groups of residual oil. While viscosity reductions under low-power density treatment are caused by colloidal system disaggregation, high-power density treatment can bring in both chemical bond cleavage and colloidal system disaggregation. In addition, adding hydrogen donor can effectively prevent radical recombination, and thus increases the yield of saturate. These results provide fundamental understandings on the effects of ultrasonic treatments.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0030,000

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 Opus0,020
Tête enseignante GPT0,265
Écart entre enseignants0,245 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueUltrasonics SonochemistryMême sujetPetroleum Processing and AnalysisTravaux en français237 207