MétaCan
Menu
Retour à la cohorte
Enregistrement W3082934232 · doi:10.1002/cjce.23872

Bauxite residue as an iron‐based catalyst for catalytic cracking of naphthalene, a model compound for gasification tar

2020· article· en· W3082934232 sur OpenAlexafffundvenue
Shiva Madadkhani, Luisa Burhenne, Xiaotao Bi, Naoko Ellis, John R. Grace, Tyler Lewis

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBauxite Residue and Utilization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNaphthaleneBauxiteCatalysisCalcinationChemistryResidue (chemistry)Space velocitytar (computing)CrackingFluid catalytic crackingNuclear chemistryChemical engineeringWaste managementOrganic chemistrySelectivity

Résumé

récupéré en direct d'OpenAlex

Abstract An iron‐based catalyst from bauxite residue (aka BR and red mud) was developed for removing biomass gasification tar. Its performance was investigated with naphthalene as the model tar compound. This was achieved by measuring the catalytic naphthalene conversion at five space velocities and at four temperatures in the 500°C to 800°C range, both in a N2 environment and in 13 vol% H2 with the balance N2 for 14 hours to determine the long‐term performance. The physical and chemical characteristics of the catalyst were studied prior to and after exposure to naphthalene to track the evolution of the catalyst as a result of the chemical reaction. In addition, the effects of calcination temperature and reduction with H2 on the surface characteristics were investigated. The bauxite residue catalyst was shown to be significantly active for naphthalene cracking, with its activity comparable to that of an industrial Ni catalyst. Activity measurements over 14 hours of testing showed that the catalyst activity decreased from 98% to 65% naphthalene conversion with time as a result of catalyst deactivation when tested in a N2 reaction environment. In the presence of 13 vol% H2; however, the activity maintained >95% conversion for the entire duration of the experiment.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,025
Tête enseignante GPT0,225
Écart entre enseignants0,200 · 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

Citations26
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetBauxite Residue and UtilizationTravaux en français237 207