Análisis de regresión: Enfoque del desempeño de la curva de ruptura en un sistema dinámico
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
La presencia de arsénico en agua de consumo humano es un problema sanitario que ha recibido interés de investigación en las últimas décadas. El objetivo de este trabajo fue evaluar la incidencia que tienen el análisis de regresión lineal y no lineal, sobre la estimación de los parámetros de adsorción de diversos modelos matemáticos, para explicar el proceso dinámico de remoción de contaminantes. Para ello, se utilizaron zeolitas químicamente modificadas para la adsorción de As(V) en un sistema dinámico de columna de lecho fijo. La cinética de adsorción se analizó con los modelos lineales y no lineales de Thomas y Yan y la Ecuación de Advección de Dispersión (EAD). En la regresión no lineal, el modelo de mejor ajuste fue evaluado utilizando seis índices de ajuste, mientras que los parámetros óptimos de los modelos se identificaron por la suma del error normalizado (SNE). La minimización óptima de la distribución del error (DDE), entre valor experimental y modelado, se logró con el índice de ajuste r2 para Thomas no lineal (TNL), mientras la suma del error absoluto (EABS) y la suma del cuadrado del error (ERRSQ), lo hicieron para Yan no lineal (YNL) y la EAD. Existe divergencia en la estimación paramétrica a partir del enfoque de modelación utilizado, derivada de los cambios inducidos en la DDE por la linealización de los modelos. La idoneidad para explicar el proceso de adsorción sigue el orden: TNL>EAD> YNL> Thomas lineal (TL)>Yan lineal (YL). Se puede concluir que la regresión no lineal fue más apropiada para el proceso de estimación paramétrica de los modelos de adsorción.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle