Reduced mechanisms for methanol oxidation under hydrothermal flames using a directed relation graph with sensitivity analysis and error propagation
Notice bibliographique
Résumé
Abstract A revised detailed mechanism (RDM) including 173 species and 1011 reactions for methanol oxidation under hydrothermal flames is developed via modifying a methanol gas‐phase combustion mechanism with pressure and thermodynamic corrections and validated with experimental data. Different skeletal mechanisms are generated via the directed relation graph (DRG), the DRG with error propagation (DRGEP), the DRG with sensitivity analysis (DRGSA), and the DRGEP with sensitivity analysis methods. Although the skeletal mechanisms have different reaction paths, the evolutions of the main species in the RDM are generally reproduced. The most compact mechanism of 12 species and 35 reactions is obtained via the DRGSA method with an error of 7.59%. The temperatures of hydrothermal flames predicted from the skeletal mechanisms with different reduction methods agree well with those from the RDM within most operating ranges except the 12‐species mechanism under hypoxic conditions. The increase in the reduction degree increases the error of the ignition delay time, while the reduced mechanisms have better adaptability in predicting the ignition delay time at higher preheating temperatures. The increases of preheating temperature and methanol concentration decrease the error in the prediction of the laminar flame speed with the reduced mechanisms. Moreover, the mechanisms with different reduction degrees have little effect on the extinction temperature, with an error of 4–8°C.
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 | 0,001 |
| 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 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 ».