Using Multiple Criteria for Fingerprinting Unknown Oil Samples Having Very Similar Chemical Composition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper describes a case study in which a multi-criterion approach was used to fingerprinting and identifying mystery oil samples. Three unknown oil samples were received from Quebec on March 28, 2001 for chemical analysis. The main purpose of this analysis was to detemine the nature and the type of the products, detailed hydrocarbon composition of the samples, and whether these samples came from the same source. The samples were analyzed by gas chromatography with a flame ionization detector (GC-FID) and by gas chromatography coupled with mass spectrometry (GC-MS). Hydrocarbon distribution patterns of unknown oils were recognized. Multiple suites of analytes were quantified and compared. A variety of diagnostic ratios of "source-specific marker" compounds for interpreting chemical data were further determined and analyzed. The chemical fingerprinting results reveal the following: (1) These three oils are most likely a hydraulic-fluid type oil. (2) These three oils are very "pure", largely composed of saturated hydrocarbons with the total aromatics being only 4-10% of the TPH. (3) The oils are a mixture of two different hydraulic fluids. There is no clear sign indicating they had been weathered. (4) The PAH concentrations are extremely low (<10 µg/g oil) in the oil samples, while the biomarker concentration are unusually high (4700-5500 µ/g oil). (5) Three major unknown compounds in the oil samples were positively identified. They are antioxidant compounds added to oils. (6) Samples 2996 and 2997 are identical and come from the same source. (7) The sample 2998 has group hydrocarbon compositions (including the GC traces, TPH, and total saturates) very similar to samples 2996 and 2997. But, it is not identical in chemical composition to samples 2996 and 2997, and they do not come from the same source.
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.
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 découle