Calculations of activation energy and frequency factors for corn leafs pyrolysis using excel solver: new concept
Notice bibliographique
Résumé
Abstract Thermal degradations of biomass corn leaves were studied for kinetic modeling. Thermogravimetric-differential analyzer runs at 5, 10, 20, and 30 °C min −1 heating rates were employed. Apparent activation energy and frequency factor values were calculated for first-order kinetics using several procedures. The procedure of Coats and Redfern showed 28.89 to 31.78 kJ mol −1 apparent activation energy and 15.5 to 157.12 min −1 frequency factor, respectively. Calculation of the apparent activation energy and frequency factor using Kissinger–Akahira–Sunose procedure gave 229.9–364.2 kJ/mol and 8.567 × 10 23 and 1.13 × 10 31 (min −1 ), respectively as the conversion increased from 0.1 to 0.9. The newly introduced excel solver procedure indicates a distribution activation energy over the entire range of conversion. For first-order reaction kinetics, the calculated apparent activation energy magnitudes ranged between 5.0 kJ mol −1 with frequency factor equals to 0.239 and 196.2 kJ mol −1 with frequency factor 2.89 × 10 12 in the studied range. The low or high magnitudes of the calculated activation energy are not associated with a particular value of the conversion. The calculated apparent activation energies are related to the direct solution of the simultaneous equations that constitute the basis of the excel solver.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».