MétaCan
Menu
Retour à la cohorte
Enregistrement W4284965286 · doi:10.1002/cjce.24536

Simulation of mass and heat transfer of Quercus leaf particles during hydrothermal extraction

2022· article· en· W4284965286 sur OpenAlexvenueno aff
Xiangyu Gao, Chensi Guo, Junying Chen, Lijun Wang, Chun Chang, Xiuli Han, Song Jiande

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHydrothermal circulationMultiphysicsMass transferExtraction (chemistry)Particle sizeParticle (ecology)EthanolChemistryAnalytical Chemistry (journal)Materials scienceChromatographyChemical engineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract Mass and heat transfer models of Quercus leaf particles during hydrothermal extraction were developed in COMSOL Multiphysics. The main physical properties used in the model were measured. The results showed that the average particle size was 116.7 μm, and after soaking in water for 24 h, the average particle size increased to 127.3 μm. However, the average particle size increased from 116.7 to 132.8 μm after soaking in a 60% (v/v) ethanol solution for 40 min, and decreased to 127.3 μm after 60 min. The Quercus leaf particles have a higher ability to absorb ethanol solution than water. The simulations showed that it took 3.2 s for the ethanol concentration and 0.5 s for the temperature in the particles to tend stably after soaking in a 60% (v/v) ethanol solution at 40°C. From the edge of the particle to the centre, the increasing rates of ethanol concentration and temperature gradually slowed down, while the changing rates of the centre accelerated with the increase in solution concentration and temperature, respectively. When the particles soaked at the lowest concentration, the central concentration first reached stability, and at the lowest temperature, the centre temperature first stabilized.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,006
Tête enseignante GPT0,179
Écart entre enseignants0,173 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207