Sour Gas Adsorption on Silica Gels
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide One of the essential factors for water adsorption on silica gels is the concentration of silanol groups on the silica surface. However, no systematic investigation on the adsorption of sour gas components, methane (CH 4 ), carbon dioxide (CO 2 ), and hydrogen sulfide (H 2 S) on silica gels with different textural properties and surface silanol concentrations, has been conducted. Three silica gels of 22, 30, and 60 Å pore sizes, with silanol concentrations of α total = 2.516, 2.340, and 2.152 OH nm –2, respectively, were studied in this work. The adsorption data for CH 4, CO 2, H 2 S, and H 2 O at T = 0, 25, and 50 °C on the 22 and 30 Å pore size silica gels were presented, and a comparison of the data for the 60 Å pore size silica gel on the same adsorbates was conducted. All three silica gels showed an adsorption affinity in the order of H 2 O > H 2 S > CO 2 > CH 4 . The isosteric heats of adsorption of H 2 O and H 2 S had a greater dependence on the silanol concentration than CO 2 and CH 4 . At p < 10 bar, there was no difference in the adsorption per m 2 of CH 4 between the silica gels ( n ads = 1.7 mmol m –2, for all silicas at p = 10 bar), while higher pressures resulted in greater adsorption capacity in the larger pore volume silica gels (at p = 20 bar: n ads = 3.0, 3.3, and 3.4 mmol m –2 for the 22, 30, and 60 Å pore size silicas, respectively). H 2 S adsorption at low pressures ( p < 4 bar) was larger on the samples with larger silanol concentrations (at p = 3 bar: n ads = 6.1, 4.7, and 4.5 mmol m –2 for the 22, 30, and 60 Å pore size silicas, respectively), but above p = 4 bar, the 60 Å pore size silica had a greater adsorption capacity than the 30 Å pore size (at p = 5 bar: n ads = 8.0, 6.0, and 6.2 mmol m –2 for the 22, 30, and 60 Å pore size silicas, respectively).
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 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 | 0,001 |
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.
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 tête enseignante, 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 ».