MétaCan
Menu
Retour à la cohorte
Enregistrement W4415455726 · doi:10.3397/in_2025_1074737

Acoustic treatments with innovative panels produced from olive oil wastes

2025· article· en· W4415455726 sur OpenAlexaff
Umberto Berardi, Gino Iannace, Antonella Bevilacqua, Amelia Trematerra

Notice bibliographique

RevueNOISE-CON proceedings · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Materials Analysis
Établissements canadiensCanadian Association of Emergency Physicians
Organismes subventionnairesnon disponible
Mots-clésOlive treesOlive oilMediterranean climateAbsorption (acoustics)Sound (geography)Noise reduction coefficientElectrical impedanceEdible oil

Résumé

récupéré en direct d'OpenAlex

In the Mediterranean region, placing olive tree is a common practice. Historically, these trees were cultivated along the coasts of Magna Graecia, and today the European community is the largest global producer of olive oil. Spain accounts for 42% of production, followed by Italy with 17% and Greece with 11%. Olive oil has been traditionally extracted for food, cosmetics, medicine, and, in ancient times, also for lighting. One significant by-product of olive cultivation is the waste generated from cut tree trunks and foliage. This study aims to describe the possibility of utilizing these waste materials for sound absorption applications. The proposed system for the acoustic absorption involves triturating small trunks into particles ranging from 1.5 mm to 4 mm. The absorption coefficients were measured for samples with varying thicknesses, providing insights into the potential of these materials for sound absorption. This approach highlights a sustainable pathway for repurposing agricultural waste. Moving from the Delany-Bazley model, this study compares the impedance tube results with the theoretically predicted ones. Finally, using a least-square fit procedure based on the Nelder-Mead method, the coefficients that best predict both the acoustic impedance and the propagation constant laws are reported.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,090
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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 savante0,0010,000
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 Opus0,021
Tête enseignante GPT0,224
Écart entre enseignants0,203 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNOISE-CON proceedingsMême sujetCultural Heritage Materials AnalysisTravaux en français237 207