MétaCan
Menu
Retour à la cohorte
Enregistrement W3215928122 · doi:10.1016/j.ecmx.2021.100147

Thermo-kinetic study to explicate the bioenergy potential of Holy Thistle (HT)

2021· article· en· W3215928122 sur OpenAlexaff
Hesham Alhumade, Jean Constantino Gomes da Silva, Emanuele Mauri, Muhammad Sajjad Ahmad, Yusuf Al‐Turki, Nagaraju Pasupulety, Ali Elkamel

Notice bibliographique

RevueEnergy Conversion and Management X · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesDeanship of Scientific Research, King Saud UniversityKing Abdulaziz University
Mots-clésPyrolysisBioenergyCharBiomass (ecology)CellulosePulp and paper industryChemistryEnvironmental scienceChemical engineeringKinetic energyProcess engineeringWaste managementBiofuelMaterials scienceOrganic chemistryAgronomyEngineeringPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

Biomass is one of the key components for bioenergy generation in recent epoch as traditional resources and depleting swiftly. Going through this fact, the present study aims to appraise the feasibility of Holy Thistle (HT) to produce energy and valuable organic chemicals through pyrolysis. The HT was pyrolyzed at four heating rates including, 10, 20, 30, and 40 °C min−1 to perform thermo kinetic modeling and estimate thermodynamics parameters to establish the pyrolysis reaction process. The pyrolysis process of HT illustrated about 85–88 % of thermal degradation achieved through three different stages from 30 to 800 °C. The major degradation stage was observed from 170 to 450 °C with 55% to 60 % product formation from mainly cellulose and hemicelluloses components. Moreover, the average activation energy and pre-exponential factors demonstrated to be 183–184 kJ mol−1 and 1010 min−1 to 1025 min−1, respectively. The pyrolytic products exhibited agreement to the cleaner production of bio-gas, char and bio-oil which is evident for the potential and productivity of the feed combination.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,190
Écart entre enseignants0,183 · 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'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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy Conversion and Management XMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207