MétaCan
Menu
Retour à la cohorte
Enregistrement W4406860399 · doi:10.4271/2024-01-5257

Processing and Characteristics Study of Hydrogen from Sewage and Waste Municipal Water via Gasification Process

2025· article· en· W4406860399 sur OpenAlexaff
Melvin Victor De Poures, R. Venkatesh, N. Karthikeyan, S. Manivannan, Mannan Boopathi, Balakrishnan Baranitharan, S. Madhu, Gopal Kaliyaperumal, V. Sakthi Murugan

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésWaste managementProcess (computing)Environmental scienceHydrogenWastewaterMunicipal solid wasteProcess engineeringComputer scienceEngineeringChemistryOperating system

Résumé

récupéré en direct d'OpenAlex

In recent trends, renewable energy has gained significance in worldwide applications due to avail from nature, low cost, and pollution-free. Based on the world population, a large volume of municipal and sewage water waste affects the environmental water sources, resulting in pollution. To save the earth and maintain a green environment, the present investigation aims to produce bio-hydrogen from municipal and sewage waste through a gasification process with a pyrolysis reactor. The temperature and time of the gasification process were varied by 600-900°C and 60 min. The impact of gasification temperature (600-900°C) and 60 min on molar fraction, gas yield, and gasification efficiency behaviour has to be investigated, and higher temperature (900°) with 60 min gasification process showed the superior molar fraction with 18.4 mol/kg hydrogen yield and improved gasification efficiency of 72%. The gained bio-hydrogen suggested energy storage applications.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,267
Écart entre enseignants0,253 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetHydrogen Storage and MaterialsTravaux en français237 207