Computational modelling and optimization of physicochemical absorption of <scp> CO <sub>2</sub> </scp> in rotating packed bed
Notice bibliographique
Résumé
Abstract The current study developed a novel computational fluid dynamics (CFD) model that accounted for both physical and chemical absorption in the multiphase flow and captured the relative dominance of chemical absorption over physical by employing a tunable model parameter ‘enhancement factor’. The CFD model was validated against experimental data in a rotating packed bed, and then the validated model was used to investigate the effect of operational parameters such as rotational speed, monoethanolamine (MEA) concentration, inlet velocity, and MEA‐packing contact angle on the physiochemical absorption. The significance of each operational parameter was then evaluated by the ANOVA analysis, which inferred that the enhancement factor is sensitive to rotational speed, MEA concentration, inlet velocity, and contact angle. The p ‐value of MEA concentration and inlet velocity was less than 0.05, which implies that these two variables are the most significant variables for the chemical absorption of CO 2 . The response surface methodology (RSM) and the artificial neural network (ANN) were also employed to develop the predictive model for the enhancement factor. Among the employed techniques, ANN resulted in R 2 closer to 0.99 and could better predict the enhancement factor. The modelling approach and findings of the current study are useful in optimizing the operation of rotating packed‐bed reactor (RPB) for CO 2 absorption on the industrial scale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».