MétaCan
Menu
Retour à la cohorte
Enregistrement W4323527305 · doi:10.23977/jeeem.2023.060105

Application status and development trend of air-source heat pump drying unit

2023· article· en· W4323527305 sur OpenAlexvenueno aff
Xinfei Shi, Zongshuai Ren, Haiyang Wang, Yuli Zhang, Zhihan Jin

Notice bibliographique

RevueJournal of Electrotechnology Electrical Engineering and Management · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Sensor Networks and IoT
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeat pumpProcess engineeringEnvironmental scienceEnergy consumptionUnit (ring theory)Air source heat pumpsProcess (computing)Air dryerUnit operationWaste managementAgricultural engineeringEngineeringMechanical engineeringComputer scienceHeat exchangerMathematics

Résumé

récupéré en direct d'OpenAlex

In order to create a suitable environment and improve the quality of life of the people, the country has paid more attention to the problem of environmental pollution. The drying and drying process of materials accounts for a large part of the total energy consumption. Air source heat pump is an energy-saving device that consumes a small amount of high energy to improve the quality of low energy through thermal cycle, and has been widely used in many fields. The air-source heat pump drying unit can provide efficient drying technology, which is gradually applied in many fields such as production and manufacturing, grain processing, fruit and vegetable drying, etc. In this paper, the working principle of the air-source heat pump drying unit is briefly described, and then its application status in the fields of grain processing, fruit and vegetable planting, stadium reconstruction and so on is described. Finally, the development trend of the air-source heat pump drying unit is proposed from the perspective of technical process optimization.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,005
Tête enseignante GPT0,186
Écart entre enseignants0,181 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Electrotechnology Electrical Engineering and ManagementMême sujetWireless Sensor Networks and IoTTravaux en français237 207