MétaCan
Menu
Retour à la cohorte
Enregistrement W4226399983 · doi:10.3390/en15072634

Dust and Particulate Matter Generated during Handling and Pelletization of Herbaceous Biomass: A Review

2022· review· en· W4226399983 sur OpenAlexafffund
Singara Veloo Kanageswari, Lope G. Tabil, S. Sokhansanj

Notice bibliographique

RevueEnergies · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of SaskatchewanUniversity of British Columbia
Organismes subventionnairesBioFuelNet Canada
Mots-clésHerbaceous plantBiomass (ecology)Environmental sciencePelletsStrawParticulatesWaste managementAgronomyEngineeringMaterials scienceEcology

Résumé

récupéré en direct d'OpenAlex

Using straw and herbaceous crops to replace or augment fossil fuels is becoming popular as access to forest biomass becomes environmentally stricter and more expensive. The low bulk density raw biomass is pre-processed and densified into pellets to facilitate handling and use. Dust is generated during collection, baling and debaling, grinding, drying, and densifying processed herbaceous biomass. Abundant literature deals with dust generated during the industrial handling of woody biomass, grains, and other crops like cotton. But the information on handling herbaceous biomass in the open literature is scarce. This paper reviews the available literature on dust generation from handling and processing of herbaceous biomass. Limited available data shows that herbaceous biomass species have a lower ignition temperature than woody biomass. The paper identifies several crucial pieces of information needed to ensure safety in the handling and pelleting of herbaceous crops.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,952
Score d'incertitude au seuil0,911

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,215 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207