Method for Rapid Determination of Hexeneuronic Acid in Non‐Wood Pulp by Multivariate Analysis of <scp>FT</scp>‐<scp>NIR</scp> Spectroscopic Data
Notice bibliographique
Résumé
ABSTRACT In the chlorine dioxide bleaching stage of elemental chlorine‐free (ECF) chemical pulp production, hexeneuronic acid (HexA) in the brown stock contributes to the kappa number and consumes chlorine dioxide. This study aims to develop a feasible, environmentally friendly, and rapid method for quantifying HexA content in non‐wood pulp using FT‐NIR spectroscopy combined with chemometric modeling. The HexA levels were measured in 44 non‐wood pulp samples to validate the approach. The same samples were analyzed using FT‐NIR spectroscopy, and the obtained spectral data were preprocessed using Savitzky–Golay (S–G) smoothing followed by first and second derivatives, a common approach in chemometric analysis. Principal component regression (PCR) and partial least squares regression (PLSR) were evaluated for HexA quantification using both raw and pretreated FT‐NIR spectra. The PLSR model demonstrated superior predictive performance ( R 2 = 94.24%) when applied to FT‐NIR data preprocessed with Savitzky–Golay filtering, derivatives, and leverage correction. Finally, the validated model exhibited excellent accuracy in predicting HexA content in unknown non‐wood pulp samples, achieving a high correlation coefficient ( r = 0.993).
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».