MétaCan
Menu
Retour à la cohorte
Enregistrement W4392626943 · doi:10.3389/ffuel.2024.1378361

Critical review of the role of ash content and composition in biomass pyrolysis

2024· article· en· W4392626943 sur OpenAlexafffund
Lokeshwar Puri, Yulin Hu, G.F. Naterer

Notice bibliographique

RevueFrontiers in Fuels · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComposition (language)PyrolysisBiomass (ecology)Content (measure theory)Environmental scienceChemistryMathematicsEcologyBiologyArtOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In the face of environmental challenges (e.g., dramatically increasing greenhouse gas emissions and climate change), it is utmost of importance to sustainable energy systems. Biomass consisting of agricultural and forest waste, municipal solid waste, and aquatics, has been identified as alternative and promising fuel sources. Thermochemical conversion approaches like pyrolysis can turn various types of biomass into three valuable product streams, namely, bio-oil, biochar, and syngas. To date, past review articles have considered the major operating parameters of kinetics, chemistry, and the application of pyrolysis products. However, ash content is one of the key biomass components that lacks investigation on its influence during biomass pyrolysis with respect to products yield and properties. This review article examines: i) the ash content and composition in different types of biomass; ii) effects of ash content on catalytic pathway and biomass thermal degradation; iii) ash related problems in the thermal degradation of biomass; and iv) available deashing techniques for biomass. The review aims to provide new understandings and insights regarding the effects of ash content and composition on biomass pyrolysis.

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: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,009
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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

Citations176
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207