MétaCan
Menu
Retour à la cohorte
Enregistrement W4293825700 · doi:10.1002/cjce.24609

Bubbles in a sand fluidized bed unit for the gasification of coffee waste biomass. A probabilistic based fluid‐dynamic description

2022· article· en· W4293825700 sur OpenAlexafffundvenue
Nicolas Torres Brauer, Marcos G. Navarro Salazar, Hugo de Lasa

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversidad Autónoma de ZacatecasUniversidad de Costa Rica
Mots-clésFluidized bedBubbleProbabilistic logicBiomass (ecology)Range (aeronautics)MechanicsPopulationEnvironmental scienceParticle (ecology)Petroleum engineeringMaterials scienceWaste managementPulp and paper industryMathematicsComposite materialPhysicsGeologyEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract The present study shows the applicability of the chemical reactor engineering centre (CREC) Optiprobes engineered with a graded refractive index (GRIN) lens and fibreoptics to establish both the bubble rising velocity (BRV) and the bubble axial chord (BAC) of bubbles in a 240–955 μm sand fluidized bed, filled with different types and loadings of biomasses. It is confirmed via the application of the CREC Optiprobes that the formed bubbles display both BRV and BAC normal probabilistic distributions, leading to characteristic BRV–BAC bands of bubble behaviour, with this being true for an ample range of superficial gas velocities (0.188–0.282 m/s) and broza biomass loadings (0–30 vol.%). It is also proven that the observed BRV and BAC distributions in biomass‐loaded sand fluidized beds are of the quasi‐normal distribution type, as attested by the Shapiro–Wilk test (S–W test). Furthermore, a probabilistic prediction model (PPM) proposed in a previous contribution can be used effectively to predict, in all cases, that a close to 80% of the total bubble population falls within a proposed probabilistic band of bubble behaviour.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil0,391

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,185
Écart entre enseignants0,172 · 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'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

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetFluid Dynamics and MixingTravaux en français237 207