MétaCan
Menu
Retour à la cohorte
Enregistrement W3147709030 · doi:10.1002/cjce.24128

Generalization of the integral and differential method for analysis of rate data by means of the fractional calculus

2021· article· en· W3147709030 sur OpenAlexvenueno aff
Gylles Ricardo Ströher

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueFractional Differential Equations Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFractional calculusLaplace transformMathematicsApplied mathematicsInteger (computer science)GeneralizationOrder (exchange)Ordinary differential equationDerivative (finance)Differential equationCalculus (dental)Mathematical analysisComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract The kinetic study of chemical reactions is usually carried out by means of analysis of experimental rate data obtained during the evolution of a reaction in a batch reactor. The methods for analysis of rate data obtained in a batch reactor include the classical integral methods (CIM) and classical differential methods (CDM), which use temporal derivatives of the unit‐order concentration, dC A /dt , in the mass balance equation. The present study proposes these two methods of analysis in a generalized formulation that makes use of non‐integer order temporal derivatives, d α C A /dt α , 0 < α ≤ 1, called generalized integral method (GIM) and generalized differential method (GDM) in the present work. The solutions of the fractional ordinary differential equations (FODE) of GIM are presented using the Laplace transform technique and numerical fractional derivative evaluation methods for GDM application. The proposed generalized methods allow for the determination of the order and the specific reaction rate in the same way as the classical methods, that is, of integer order ( α = 1 ); however, generalized methods have the additional advantage of determining the fractional order of the temporal derivative.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,051
Tête enseignante GPT0,306
Écart entre enseignants0,255 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetFractional Differential Equations SolutionsTravaux en français237 207