MétaCan
Menu
Retour à la cohorte
Enregistrement W7023351790

Optimisation et caractérisation des propriétés des biohuiles issues de la pyrolyse du bois contaminé à la créosote.

2021· other· fr· W7023351790 sur OpenAlexaboutno aff

Notice bibliographique

RevueDepositum (Université du Québec en Abitibi-Témiscamingue) · 2021
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDecantationSugar industryWaste disposalFuel supply
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Au Canada, les chemins de fer constituent le moyen de transport majoritaire des industries lourdes et des compagnies minières. Ce moyen de transport est le premier générateur de déchets de bois créosoté, avec plus de 450 000 m3 chaque année. La créosote est utilisée pour ses propriétés de préservation du bois. Elle empêche l’attaque des insectes et des champignons pouvant altérer son intégrité et compromettre ainsi la sécurité ferroviaire. Chimiquement, la créosote est composée à 90 % d’hydrocarbures aromatiques polycycliques (HAPs) connus par leur toxicité. La pyrolyse rapide du bois créosoté semble être une solution et une piste prometteuse pour la gestion de ce résidu dangereux. L’objectif principal de notre projet est d'évaluer le potentiel de la pyrolyse rapide dans la décontamination des déchets de bois traité à la créosote et sa capacité de concentrer les HAPs dans la phase liquide (biohuile de pyrolyse) en vue de la valoriser en tant que carburant liquide. Pour ce faire, les étapes suivantes ont été suivies : 1-Collecte, broyage et caractérisation de la biomasse initiale ; 2-Optimisation de la production des biohuiles en variant la température de la pyrolyse rapide : 400, 450 et 500 °C ; 3-Qualification et quantification des HAPs dans les produits pyrolytiques ainsi que déduction de l’effet de la pyrolyse rapide à déconcentrer les HAPs du bois contaminé et 4-Caractérisation physique et chimique des biohuiles produites. La biohuile obtenue à 400 °C était la moins concentrée en HAPs (222 250 ppm à 400 °C, 264 450 ppm à 450 °C et 293 250 ppm à 500 °C) en présentant des caractéristiques physico-chimiques semblables à celles de la biohuile typique : la masse volumique 1,12 g/cm3, la viscosité 5,71 cP, le pouvoir calorifique 11,74 MJ/kg, la teneur en eau 47,22 %, la teneur en cendre 0,41 % et les concentrations des inorganiques 2 406 ppm. Ces caractéristiques augmentent en fonction de la température de la pyrolyse et atteignent leurs maximums à 500 °C. Néanmoins, la composition emmêlée et la présence des composés oxygénés (20 à 50 %) provoquent une déplétion de son implication industrielle et limitent leurs utilisations. Pour remédier à cette contrainte, l’hydrotraitement catalytique a été choisi pour réduire d’une part le taux en composés oxygénés et d’autre part déconcentrer les biohuiles des HAPs. Les conditions opératoires de l’étape d’hydrogénation ont été fixées à une température de 120 °C, une pression de 8 bar et un temps de réaction d’une heure. Deux types de catalyseurs : Raney nickel et le Ni/biochar. La biohuile hydrogénée a témoigné une diminution de 22 % du taux en carbone. En contrepartie, on a observé une augmentation du pourcentage des polyols (34 %), des alcanes (71 %) et du gaz (82 %). Généralement, l’hydrogénation a permis une réduction de 96,2 % du pourcentage massique des HAPs dans l’huile pyrolytique. Ces résultats suggèrent l’intérêt de l’hydrogénation catalytique dans la réduction des risques pour la santé des biohuiles et l’amélioration de sa stabilité.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,008
Tête enseignante GPT0,233
Écart entre enseignants0,226 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDepositum (Université du Québec en Abitibi-Témiscamingue)Travaux en français237 207