MétaCan
Menu
Retour à la cohorte
Enregistrement W3120374844 · doi:10.1088/1755-1315/624/1/012123

Heat and mass transfer modelling for storage of food bulk raw materials under active ventilation

2021· article· en· W3120374844 sur OpenAlexaboutno aff
O.A. Egorova, Г. В. Алексеев, I P Yukhnik, A. A. Sychev

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAgricultural Engineering and Mechanization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRaw materialAerationWaste managementProcess engineeringVentilation (architecture)Environmental scienceAgricultureAgricultural engineeringEngineeringMechanical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The paper aims to research a possibility of storing plant agricultural raw materials. Rational management of natural resources is a dominant trend in the economy development, which involves the fullest processing of plant raw materials intended for human consumption with minimum waste. Active grain ventilation is conducted by drying at a low temperature to preserve the quality of raw and wet grain, as well as by cooling grain batches stored to increase their durability. With a certain moisture content grain can be gradually dried, cooled, preserved, aerated depending on its condition and purpose. These technological methods provide a significant reduction in energy costs in comparison with thermal drying, as well as improving the quality of seeds and grains due to the “soft” completion of the biochemical processes associated with maturation and stabilization of the protein-enzyme complex. Active ventilation requires no complex equipment or large capital investments. Therefore, it is no coincidence that the technologies developed on the basis of active ventilation are widely used in processing of main volumes of high quality grain in USA, Canada, and Australia. The intensification of the grain preparation process achieved by this way reduces energy costs of drying. The study models the storage conditions for bulks of various types of agricultural raw materials under active ventilation.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
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 Opus0,011
Tête enseignante GPT0,166
Écart entre enseignants0,155 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetAgricultural Engineering and MechanizationTravaux en français237 207