MétaCan
Menu
Retour à la cohorte
Enregistrement W4391381424 · doi:10.1002/cben.202300049

Risk Identification and Safety Technology for Hydrogen Production from Natural Gas Reforming

2024· article· en· W4391381424 sur OpenAlexaff
Lele Feng, Y. T. Gu, Jiabao Pang, Liangliang Jiang, Jie Liu, Hang Zhou, Biao Wang, Saeideh Babaee

Notice bibliographique

RevueChemBioEng Reviews · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesWuhan University of Science and TechnologyWuhan UniversityShuangchuang Program of Jiangsu ProvinceGovernment of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésProduction (economics)Natural gasIdentification (biology)Hydrogen productionEnvironmental scienceBusinessWaste managementHydrogenEngineeringChemistryEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract The hydrogen production from natural gas has advantages of low investment, low carbon emission, and high hydrogen production rate. This paper briefly describes the technical overview of hydrogen production from natural gas reforming and identifies its risk factors. According to the dangerous characteristics of high reaction temperature, easy leakage of reaction medium, flammability, and explosion in the process, the intrinsic safety of the process is discussed in combination with relevant research and industrial experience. The safety requirements of key equipment and materials are introduced in detail, followed by the optimization methods of process safety that can be taken in the engineering process. Besides, the accident prevention measures for emergency shutdown and fire explosion are summarized. Finally, the future research demands are put forward from the perspective of research and development, which is instructive for the safe hydrogen production from natural gas in the future.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,050
Tête enseignante GPT0,363
Écart entre enseignants0,313 · 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'étudeThéorique ou conceptuel
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

Citations20
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemBioEng ReviewsMême sujetRisk and Safety AnalysisTravaux en français237 207