Combining <sup>13</sup>C‐NMR Triad Sequence Data with Joint Molecular Weight and Composition Data to Estimate Parameters in a Gas‐Phase Polyethylene Reactor Model
Notice bibliographique
Résumé
Abstract A three‐site metallocene catalyst is used in a gas‐phase semi‐batch reactor to produce ethylene/hexene copolymers. At the end of each batch, polyethylene (PE) is collected and analyzed to determine the carbon‐13 nuclear magnetic resonance (13C‐NMR) triad sequence distribution. Joint molecular weight (MW) and composition distribution data are obtained using gel permeation chromatography with an infrared detector (GPC‐IR). Data from ten experimental runs are used for kinetic parameter estimation. Using a mean‐squared error (MSE) selection methodology, 23 of the 36 model parameters are selected for estimation using the available polymerization rate and PE characterization data. The remaining parameters are held at initial guesses to avoid overfitting. Addition of the triad data to the parameter estimation problem allows for one additional parameter to be estimated and results in improved parameter estimates. Standard deviations of all but one of the estimated parameters decreased due to inclusion of triad data. The updated parameter estimates result in good fits for the triad data and for joint MW and composition data. The model accurately predicts four validation data sets not used for parameter estimation. The new model and its updated parameter estimates will be valuable for scaling up new polymer grades from laboratory‐scale to commercial‐scale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».