Drying Kinetic Models of Rice Applying Fluidized Bed Dryer
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
Rice is the main food in Indonesia. Rice drying by using the traditional method directly under the sun light can require a long time to complete. The aim of this study is to investigate the appropriate kinetics modeling of rice with applied by fluidized bed dryer. A rice bed with 2-cm thickness has been dried at various temperatures (50℃, 60℃, and 70℃) with air velocity of 10 m/s applied from hot air fluidized dryer obtained from pyrolysis process. The appropriate rice drying kinetics modeling has been selected based on the agreement between experimental results and seven drying kinetics equations available namely the drying kinetics modeling of Newton, Page, Henderson-Pabis, Logarithmic, Midilli, Two Term, and Verma. The degree of accuracy for the kinetics modeling is determined based on six statistics parameters namely the coefficient determination (R2), mean absolute deviation (MAD), mean square error (MSE), root mean square error (RMSE), Akaike information criterion (AIC), and Schwarz information criterion (SIC). The results of the study show that the Verma drying kinetics modeling is the most appropriate model for rice using fluidized bed dryer with all given temperatures (50℃, 60℃, and 70℃) with regard to six given statistics parameters (R2, MAD, MSE, RMSE, AIC, and SIC).
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