MétaCan
Menu
Retour à la cohorte
Enregistrement W4214937909 · doi:10.1615/interjenercleanenv.2022040354

SYNERGISTIC EFFECT OF WATER AND CO-SOLVENTS ON THE HYDROTHERMAL LIQUEFACTION OF AGRICULTURAL BIOMASS TO PRODUCE HEAVY OIL

2022· article· en· W4214937909 sur OpenAlexaffabout
Snehlata Das, Ankit Mathanker, Deepak Pudasainee, Monir Khan, Amit Kumar, Rajender Gupta

Notice bibliographique

RevueInternational Journal of Energy for a Clean Environment · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHydrothermal liquefactionStrawLiquefactionCorn stoverHeat of combustionBiomass (ecology)Hydrothermal circulationChemistrySolventMethanolPulp and paper industryAgronomyChemical engineeringHydrolysisOrganic chemistryCatalysisInorganic chemistryCombustion

Résumé

récupéré en direct d'OpenAlex

Hydrothermal liquefaction was performed on Alberta, Canada's agricultural biomass, corn stover and wheat straw, at an operating temperature of 300°C, initial reactor pressure of 600 psi and zero min retention time. Effects of adding co-solvents (methanol, ethanol, and 2-propanol) on yield and quality of heavy oil has been studied. 2-propanol exhibited to be a promising co-solvent that has improved the quality of heavy oil. Hydrothermal liquefaction of corn stover using a water−2-propanol mixture produced heavy oil having oxygen content of 18.8 wt.%, higher heating value of 32.17 MJ/kg, and total acid number value of 81.74 mg KOH/g oil. Hydrothermal liquefaction of wheat straw using water−2-propanol mixture produced heavy oil showing an oxygen content of 17.99 wt.% and higher heating value of 32.94 MJ/kg.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,016
Score d'incertitude au seuil0,210

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,199
Écart entre enseignants0,193 · 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 tête enseignante, 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy for a Clean EnvironmentMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207