MétaCan
Menu
Retour à la cohorte
Enregistrement W3109781480 · doi:10.18280/i2m.190505

Design of an Automatic Detector for Gas Desorption of Coal Samples

2020· article· en· W3109781480 sur OpenAlexvenueno aff
Tao Li

Notice bibliographique

RevueInstrumentation Mesure Métrologie · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueCoal Properties and Utilization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDetectorDesorptionGas detectorAutomationCoalProcess engineeringComputer scienceProcess (computing)Environmental scienceEngineeringAdsorptionChemistryMechanical engineeringWaste management

Résumé

récupéré en direct d'OpenAlex

Gas content measurement is a common technique in the prevention of coalmine gas disasters. During the measurement, the gas desorption amount of field coal samples needs to be obtained by an instrument working under the principle of gas collection by water displacement (GCWD). The instrument is poorly automated, and susceptible to the influence of subjective factors. To overcome these defects, this paper designs an automatic detector of gas desorption, aiming to realize automated detection. Firstly, the authors analyzed the gas desorption detection process, and clarified the contents and features of the information to be collected. On this basis, the hardware and software systems of the multi-data automatic detector were developed based on digital circuit design and multi-sensor detection. To further improve the measuring accuracy of gas desorption, the multi-range multi-stage mode was introduced to the automatic detector. Application results show that the proposed detector can automatedly collect and store gas desorption amount, ambient pressure, and temperature, greatly improve the degree of automation, and minimize the influence of subjective factors. The popularization of this detector will make gas desorption measurement more efficient and effective, laying a solid basis for the prevention of coalmine gas disasters.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,376
Score d'incertitude au seuil0,326

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 Opus0,078
Tête enseignante GPT0,270
Écart entre enseignants0,193 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstrumentation Mesure MétrologieMême sujetCoal Properties and UtilizationTravaux en français237 207