Development of a hybrid pressure drop and liquid holdup phenomenological model for trickle bed reactors based on two‐phase volume averaged equations
Notice bibliographique
Résumé
Abstract A model with a high predictive quality to estimate pressure drops and liquid holdups in trickle bed reactors (TBR) is yet necessary to assist in design, up scaling, and the implementation of new processes tasks. The currently available models to estimate pressure drops and liquid holdups on TBRs exhibit important deviations, which lead to uncertainties in their applicability. To overcome the limitations in prediction deviations in the currently available models, a new model is developed based on the volume averaged two‐phase transport equations in a porous media, as developed by Whitaker. In order to develop a model that could simultaneously predict pressure drops and liquid holdup with a high accuracy, the developed model was coupled with a modification of the extended slit model reported in the literature, leading to a new hybrid model with enhanced predictability. Experimentally determined pressure drops and liquid holdup in a column with a 0.14 m internal diameter and a height of 2 m, packed with different extrudate geometries, cylinders, trilobes, and quadlobes, were used to determine the model parameters and to verify the quality of the proposed hybrid model predictions. The developed model, when compared with the experimentally determined data of pressure drops showed mean squared errors (MSE) of 0.89%, 2.31%, and 1.22% for the cylinders, trilobes, and quadlobes particles, respectively, while the liquid holdups were predicted with MSEs of 0.03%, 0.16%, and 0.01% for the cylinders, trilobes, and quadlobes particles, respectively.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».