MétaCan
Menu
Retour à la cohorte
Enregistrement W3092844547 · doi:10.3390/en13205401

Investigation of Steam Treatment on the Sorption Behavior of Rice Straw Pellets

2020· article· en· W3092844547 sur OpenAlexaff
Xiao He, Lianjun Wang, Anthony Lau

Notice bibliographique

RevueEnergies · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Science Foundation of Jiangsu Province
Mots-clésPelletsSteam explosionPulp and paper industryStrawSorptionWater contentEquilibrium moisture contentCelluloseHeat of combustionBiomass (ecology)MoistureWaste managementRaw materialBiofuelLigninPyrolysisRelative humidityMaterials scienceChemistryAgronomyAdsorptionComposite materialOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Agricultural residue is a readily available biomass source for making biofuels. However, complex structure along with low calorific value makes it reluctant to be utilized. This necessitates the pretreatment of biomass to improve its accessibility. In this study, rice straws were treated with saturated steam at 180–200 °C for 5–10 min and pelletized. Results indicated that the pretreatment process could effectively improve the calorific values and enhance the hydrophobicity of the rice straws. The steam explosion process changed the content of chemical components in the biomass materials. With the increase of reaction temperature and retention time, the content of cellulose, hemicelluloses and lignin declined. Comparedwith the raw materials, there was an increase in the calorific value from 16.24 MJ/kg to 17.26 MJ/kg for the steam treated straws. For moisture sorption test under the condition of 30 °C and 90% relative humidity, the equilibrium moisture content dropped from 21% for untreated straw pellets to 14.2% for the steam treated straw pellets treated at 200 °C for 10 min. Moisture adsorption rate reduced along with the increase in steam temperature and retention time. This study demonstrated that steam explosion performed an effective way to improve the characteristics of agricultural residues.

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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,183

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 Opus0,028
Tête enseignante GPT0,204
Écart entre enseignants0,176 · 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 tête enseignante, 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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207