MétaCan
Menu
Retour à la cohorte
Enregistrement W7132566310

The Influence of Concentration by a Membrane Nanofiltration Process on the Aroma Compounds of Conventional and Organic Cabernet Sauvignon Wine

2021· dissertation· hr· W7132566310 sur OpenAlexaboutno aff
Mija Tica

Notice bibliographique

RevueRepository of the Faculty of Food Technology Osijek · 2021
Typedissertation
Languehr
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWineAromaNanofiltration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Aroma vina predstavlja jedan od glavnih parametara kvalitete vina. Spojevi arome nastaju prilikom dozrijevanja grožđa, tijekom procesa fermentacije i dozrijevanja vina. Aromatski profil vina se mijenja kada se vino podvrgava koncentriranju primjenom procesa nanofiltracije. Stoga, cilj ovog diplomskog rada jest ustanoviti kako koncentriranje vina nanofiltracijom utječe na tvari arome konvencionalnog i ekološki proizvedenog vina sorte Cabernet Sauvignon. Postupak koncentriranja proveo se primjenom i bez primjene hlađenja, pri radnim tlakovima od 25, 35, 45 i 55 bara na laboratorijskom uređaju LabUnit M20 s pločastom modulom i membranama kompozitne strukture tipa Alfa Laval NF M20. Uz pomoć mikroekstrakcije na čvrstoj fazi (SPME) i instrumentalne plinske kromatografije odredio se kvantitativni udio aromatičnih sastojaka. Na temelju dobivenih rezultata vidljivo je da primijenjeni procesni parametri, temperatura i tlak, uvelike utječu na zadržavanje spojeva arome u vinskim koncentratima. Najveće zadržavanje aromatskih spojeva u vinskim koncentratima (konvencionalnim i ekološkim) dobiveno je nanofiltracijom pri 55 bara uz hlađenje, dok su procesi koncentriranja konvencionalnog i ekološkog vina bez hlađenja rezultirali određenim gubitkom pojedinih tvari arome.

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 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 enseignants0,064
Score d'incertitude au seuil0,493

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,219 · 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.

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 revueRepository of the Faculty of Food Technology OsijekMême sujetFermentation and Sensory AnalysisTravaux en français237 207