MétaCan
Menu
Retour à la cohorte
Enregistrement W3160252895 · doi:10.1002/jctb.6801

Selective oligomerization of isobutylene in mixed <scp>C<sub>4</sub></scp> catalyzed by supported <scp>Fe(NO<sub>3</sub>)<sub>3</sub>/β</scp> catalyst

2021· article· en· W3160252895 sur OpenAlexaff
Shuai Liu, Fangyu Yu, Hui Tian, Qi Zhao

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensCarbon Engineering (Canada)
Organismes subventionnairesnon disponible
Mots-clésIsobutyleneCatalysisOlefin fiberSpace velocityThermogravimetric analysisChemistryNuclear chemistrySelectivityMaterials scienceOrganic chemistryPolymer

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND Methyl tert‐butyl ether (referred to as MTBE) is harmful to the environment and hence its use is limited in China. To avoid the waste of isobutylene as MTBE raw material and improve the utilization rate of isobutylene in mixed C 4 fraction, supported Fe(NO 3 ) 3 /β molecular sieve catalysts with different active components were prepared by the equal volume impregnation method. The catalysts were analyzed by X‐ray diffraction (XRD), Thermogravimetric analysis (TG), Temperature programmed desorption of NH 3 , Brunauer–Emmett–Teller analysis and scanning electron microscopy, and the catalytic performance of catalysts with mixed C 4 fractions as raw materials and different active component loadings for selective oligomerization of isobutylene was investigated in a fixed bed reactor. RESULTS The results show that the catalyst has the best catalytic performance when the active component loading was 6%, the reaction temperature was 60 °C, the reaction pressure was 1 MPa and the reaction space velocity was 1.5 h −1 . CONCLUSION The conversion rate of isobutylene was &gt;90%, the selectivity of C 8 olefin was ≈80% and there was almost no loss of n ‐butene. © 2021 Society of Chemical Industry (SCI).

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)0,002
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0020,007
Études des sciences et des technologies0,0000,004
Communication savante0,0000,001
Science ouverte0,0030,002
Intégrité de la recherche0,0040,002
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 Opus0,006
Tête enseignante GPT0,219
Écart entre enseignants0,213 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207