MétaCan
Menu
Retour à la cohorte
Enregistrement W4377943746 · doi:10.1002/apj.2935

Analysis of gas product changes during pyrolysis of oily sludge based on density functional theory calculation

2023· article· en· W4377943746 sur OpenAlexaff
Qian Wen, Wencai Cheng, Dujiang Liu, Xiaoyi Cui, Zhiguo Shao, Shipei Xu, Zhicheng He, Xirui Lu

Notice bibliographique

RevueAsia-Pacific Journal of Chemical Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensPetro-Canada
Organismes subventionnairesDepartment of Science and Technology of Sichuan Province
Mots-clésPyrolysisPyrolysis–gas chromatography–mass spectrometryThermogravimetric analysisMass spectrometryDensity functional theoryPyrolytic carbonChemistryGas chromatographyOil sludgeChemical engineeringOrganic chemistryMaterials scienceWaste managementComputational chemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract Oily sludge is a kind of harmful solid waste produced by the petroleum industry. It is the key point of research to understand the mechanism of gas product changes during the pyrolysis process. This study combined density functional theory (DFT) calculation with a pyrolysis experiment to explore the changes in pyrolytic gas products from oily sludge. The results of thermogravimetric–mass spectrometry (TG–MS) and gas chromatography–mass spectrometry (GC–MS) showed that the gas products below 400°C were dominated by long‐chain hydrocarbons, but with the increase of the treatment temperature, the long‐chain hydrocarbons will decrease. The results of kinetics and thermodynamics showed that there were five stages of pyrolysis of oily sludge, and the values of E, ΔH, and ΔG were increased with the increase of pyrolysis temperature. The DFT calculation revealed that there were delocalized π‐electrons at the fracture‐prone sites, and the electrons on the functional groups of the molecule were more easily excited. The results can provide ideas for the pyrolysis mechanism of oily sludge and theoretical support for the optimization of the pyrolysis process.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,186
Écart entre enseignants0,179 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia-Pacific Journal of Chemical EngineeringMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207