Kinetic and thermodynamic modelling of thermal decomposition of bitumen under high pressure enhanced with simulated annealing and artificial intelligence
Notice bibliographique
Résumé
Abstract Thermogravimetric analysis (TGA) of energy resources including bitumen provides kinetic parameters, which can be applied in design and simulation of processes for thermal recovery and conversion. In this investigation, pressurized non‐isothermal decomposition of bitumen under inert environment has been studied. The kinetic parameters were calculated at different pressures (0.1, 0.5, and 1 MPa) and heating rates (10, 20, and 30°C/min) using the differential method. The parameters were later optimized using simulated annealing (SA) optimization algorithm. The results were subsequently validated by comparing the predicted conversion (α) with those of artificial neural network (ANN). Thermodynamic parameters (enthalpy, entropy, and Gibb's free energy) were also calculated using the optimized kinetic parameters. The TGA results show that weight loss and thermal conversion decreased as the total pressure increased from 0.1–1 MPa, at all heating rates. Conversely, the thermal conversion rate ( dα/dT ) was observed to first decrease with increasing pressure (0.1–1 MPa) within the low temperature oxidation (LTO) and fuel deposition (FD) regions. In contrast, it increased with increasing total pressure within the high temperature oxidation (HTO) region. Furthermore, it was observed that the activation energy ( E a ) increased with increasing pressures at all heating rates, while the frequency factor ( A ) was independent of the pressure or the heating rates. In addition, the thermodynamic parameters tend to increase with increasing pressure. Ultimately, the results established that the SA algorithm could be used to enhance the performance of the differential modelling method in calculating kinetic parameters and predicting the conversion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».