Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "L Blanco-Cocom, S Botello-Rionda, LC Ordo\u00f1ez, SI 
2
  "author": "L Blanco-Cocom, S Botello-Rionda, LC Ordo\u00f1ez, SI 
            
3
Valdez", 
3
Valdez", 
            
4
  "author_email": null, 
4
  "author_email": null, 
            
5
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
5
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
6
  "extras": [
6
  "extras": [
            
7
    {
7
    {
            
8
      "key": "Publicaci\u00f3n", 
8
      "key": "Publicaci\u00f3n", 
            
9
      "value": "Revista"
9
      "value": "Revista"
            
10
    }, 
10
    }, 
            
11
    {
11
    {
            
12
      "key": "Tipo", 
12
      "key": "Tipo", 
            
13
      "value": "Publicaci\u00f3n"
13
      "value": "Publicaci\u00f3n"
            
14
    }
14
    }
            
15
  ], 
15
  ], 
            
16
  "groups": [
16
  "groups": [
            
17
    {
17
    {
            
18
      "description": "Este grupo integra las publicaciones 
18
      "description": "Este grupo integra las publicaciones 
            
19
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
19
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
            
20
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
20
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
            
21
presentados en congresos nacionales e internacionales, manuscritos en 
21
presentados en congresos nacionales e internacionales, manuscritos en 
            
22
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
22
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
            
23
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
23
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
            
24
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
24
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
            
25
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
25
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
            
26
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
26
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
            
27
      "display_name": "Publicaciones", 
27
      "display_name": "Publicaciones", 
            
28
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
28
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
            
29
      "image_display_url": "", 
29
      "image_display_url": "", 
            
30
      "name": "publicaciones", 
30
      "name": "publicaciones", 
            
31
      "title": "Publicaciones"
31
      "title": "Publicaciones"
            
32
    }
32
    }
            
33
  ], 
33
  ], 
            
34
  "id": "8a4bdcc6-8e33-4fb7-ae48-60cb85fb1c39", 
34
  "id": "8a4bdcc6-8e33-4fb7-ae48-60cb85fb1c39", 
            
35
  "isopen": false, 
35
  "isopen": false, 
            
36
  "license_id": null, 
36
  "license_id": null, 
            
37
  "license_title": null, 
37
  "license_title": null, 
            
38
  "maintainer": null, 
38
  "maintainer": null, 
            
39
  "maintainer_email": null, 
39
  "maintainer_email": null, 
            
40
  "metadata_created": "2025-10-11T01:23:20.565933", 
40
  "metadata_created": "2025-10-11T01:23:20.565933", 
            
n
41
  "metadata_modified": "2025-10-11T01:23:20.565942", 
n
41
  "metadata_modified": "2025-10-11T01:23:21.023642", 
            
42
  "name": 
42
  "name": 
            
43
-unification-of-multiple-models-for-consistent-paramete-5c7aa536328f", 
43
-unification-of-multiple-models-for-consistent-paramete-5c7aa536328f", 
            
44
  "notes": "Mathematical models are used for simulating the 
44
  "notes": "Mathematical models are used for simulating the 
            
45
electrochemical phenomena of proton-exchange-membrane (PEM) fuel 
45
electrochemical phenomena of proton-exchange-membrane (PEM) fuel 
            
46
cells. They differ in the scale, modeling variables, precision in 
46
cells. They differ in the scale, modeling variables, precision in 
            
47
specific features, and the required parameters. Often, the input 
47
specific features, and the required parameters. Often, the input 
            
48
parameters are not measurable and need to be estimated by minimizing 
48
parameters are not measurable and need to be estimated by minimizing 
            
49
the error between the model output and experimental data; however, the 
49
the error between the model output and experimental data; however, the 
            
50
estimated parameters could differ from one model to another, hence 
50
estimated parameters could differ from one model to another, hence 
            
51
provoking uncertainty about the correct values and the model\u2019s 
51
provoking uncertainty about the correct values and the model\u2019s 
            
52
suitability for simulating the real phenomenon. To address these 
52
suitability for simulating the real phenomenon. To address these 
            
53
issues, we introduced a self-validating methodology using three 
53
issues, we introduced a self-validating methodology using three 
            
54
different mathematical models: The first set of parameters was 
54
different mathematical models: The first set of parameters was 
            
55
estimated with a semi-empirical (SE) model; then, it was used for 
55
estimated with a semi-empirical (SE) model; then, it was used for 
            
56
computing several points of the polarization curve (PC). The SE 
56
computing several points of the polarization curve (PC). The SE 
            
57
parameters and points were used to estimate a second set of parameters 
57
parameters and points were used to estimate a second set of parameters 
            
58
and to compute a single point of the PC with a macro-homogeneous (MH) 
58
and to compute a single point of the PC with a macro-homogeneous (MH) 
            
59
model. The parameters and concentration profiles from the MH solution 
59
model. The parameters and concentration profiles from the MH solution 
            
60
were used to estimate the last set of parameters with the 
60
were used to estimate the last set of parameters with the 
            
61
reaction\u2013convection\u2013diffusion (SP-RCD) model, increasing the 
61
reaction\u2013convection\u2013diffusion (SP-RCD) model, increasing the 
            
62
detail of the simulation. The SP-RCD parameters were returned to the 
62
detail of the simulation. The SP-RCD parameters were returned to the 
            
63
MH model to recover the complete PC. The proposed methodology requires 
63
MH model to recover the complete PC. The proposed methodology requires 
            
64
a few data points to consistently recover the same PC from the three 
64
a few data points to consistently recover the same PC from the three 
            
65
models through estimating parameters in one model and validating them 
65
models through estimating parameters in one model and validating them 
            
66
in the others. As output, the method provides complete information 
66
in the others. As output, the method provides complete information 
            
67
about several variables and the physical properties of the catalysts. 
67
about several variables and the physical properties of the catalysts. 
            
68
In addition to the consistent simulation, the numerical results are 
68
In addition to the consistent simulation, the numerical results are 
            
69
consistent with those reported in the literature, thus validating the 
69
consistent with those reported in the literature, thus validating the 
            
70
proposed method.", 
70
proposed method.", 
            
n
71
  "num_resources": 0, 
n
71
  "num_resources": 1, 
            
72
  "num_tags": 11, 
72
  "num_tags": 11, 
            
73
  "organization": {
73
  "organization": {
            
74
    "approval_status": "approved", 
74
    "approval_status": "approved", 
            
75
    "created": "2022-05-19T00:10:30.480393", 
75
    "created": "2022-05-19T00:10:30.480393", 
            
76
    "description": "Observatorio Metropolitano CentroGeo", 
76
    "description": "Observatorio Metropolitano CentroGeo", 
            
77
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
77
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
78
    "image_url": 
78
    "image_url": 
            
79
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
79
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
80
    "is_organization": true, 
80
    "is_organization": true, 
            
81
    "name": "observatorio-metropolitano-centrogeo", 
81
    "name": "observatorio-metropolitano-centrogeo", 
            
82
    "state": "active", 
82
    "state": "active", 
            
83
    "title": "Observatorio Metropolitano CentroGeo", 
83
    "title": "Observatorio Metropolitano CentroGeo", 
            
84
    "type": "organization"
84
    "type": "organization"
            
85
  }, 
85
  }, 
            
86
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
86
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
87
  "private": false, 
87
  "private": false, 
            
88
  "relationships_as_object": [], 
88
  "relationships_as_object": [], 
            
89
  "relationships_as_subject": [], 
89
  "relationships_as_subject": [], 
            
t
90
  "resources": [], 
t
90
  "resources": [
            
91
    {
            
92
      "cache_last_updated": null, 
            
93
      "cache_url": null, 
            
94
      "created": "2025-10-11T01:23:21.056626", 
            
95
      "datastore_active": false, 
            
96
      "description": "Mathematical models are used for simulating the 
            
97
electrochemical phenomena of proton-exchange-membrane (PEM) fuel 
            
98
cells. They differ in the scale, modeling variables, precision in 
            
99
specific features, and the required parameters. Often, the input 
            
100
parameters are not measurable and need to be estimated by minimizing 
            
101
the error between the model output and experimental data; however, the 
            
102
estimated parameters could differ from one model to another, hence 
            
103
provoking uncertainty about the correct values and the model\u2019s 
            
104
suitability for simulating the real phenomenon. To address these 
            
105
issues, we introduced a self-validating methodology using three 
            
106
different mathematical models: The first set of parameters was 
            
107
estimated with a semi-empirical (SE) model; then, it was used for 
            
108
computing several points of the polarization curve (PC). The SE 
            
109
parameters and points were used to estimate a second set of parameters 
            
110
and to compute a single point of the PC with a macro-homogeneous (MH) 
            
111
model. The parameters and concentration profiles from the MH solution 
            
112
were used to estimate the last set of parameters with the 
            
113
reaction\u2013convection\u2013diffusion (SP-RCD) model, increasing the 
            
114
detail of the simulation. The SP-RCD parameters were returned to the 
            
115
MH model to recover the complete PC. The proposed methodology requires 
            
116
a few data points to consistently recover the same PC from the three 
            
117
models through estimating parameters in one model and validating them 
            
118
in the others. As output, the method provides complete information 
            
119
about several variables and the physical properties of the catalysts. 
            
120
In addition to the consistent simulation, the numerical results are 
            
121
consistent with those reported in the literature, thus validating the 
            
122
proposed method.", 
            
123
      "format": "HTML", 
            
124
      "hash": "", 
            
125
      "id": "8f5c9de3-4a43-4d64-a149-0ae732e59d3f", 
            
126
      "last_modified": null, 
            
127
      "metadata_modified": "2025-10-11T01:23:21.027649", 
            
128
      "mimetype": null, 
            
129
      "mimetype_inner": null, 
            
130
      "name": "A self-validating method via the unification of 
            
131
multiple models for consistent parameter identification in PEM fuel 
            
132
cells", 
            
133
      "package_id": "8a4bdcc6-8e33-4fb7-ae48-60cb85fb1c39", 
            
134
      "position": 0, 
            
135
      "resource_type": null, 
            
136
      "size": null, 
            
137
      "state": "active", 
            
138
      "url": "https://doi.org/10.3390/en15030885", 
            
139
      "url_type": null
            
140
    }
            
141
  ], 
            
91
  "state": "active", 
142
  "state": "active", 
            
92
  "tags": [
143
  "tags": [
            
93
    {
144
    {
            
94
      "display_name": "algorithm", 
145
      "display_name": "algorithm", 
            
95
      "id": "da224d7c-d794-48c8-8316-05d6b5fdc51c", 
146
      "id": "da224d7c-d794-48c8-8316-05d6b5fdc51c", 
            
96
      "name": "algorithm", 
147
      "name": "algorithm", 
            
97
      "state": "active", 
148
      "state": "active", 
            
98
      "vocabulary_id": null
149
      "vocabulary_id": null
            
99
    }, 
150
    }, 
            
100
    {
151
    {
            
101
      "display_name": "applied-mathematics", 
152
      "display_name": "applied-mathematics", 
            
102
      "id": "c01ae3d2-395d-4939-bdbe-020b9bc2091d", 
153
      "id": "c01ae3d2-395d-4939-bdbe-020b9bc2091d", 
            
103
      "name": "applied-mathematics", 
154
      "name": "applied-mathematics", 
            
104
      "state": "active", 
155
      "state": "active", 
            
105
      "vocabulary_id": null
156
      "vocabulary_id": null
            
106
    }, 
157
    }, 
            
107
    {
158
    {
            
108
      "display_name": "computer-science", 
159
      "display_name": "computer-science", 
            
109
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
160
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
110
      "name": "computer-science", 
161
      "name": "computer-science", 
            
111
      "state": "active", 
162
      "state": "active", 
            
112
      "vocabulary_id": null
163
      "vocabulary_id": null
            
113
    }, 
164
    }, 
            
114
    {
165
    {
            
115
      "display_name": "estimation-theory", 
166
      "display_name": "estimation-theory", 
            
116
      "id": "56a52938-44e3-41e9-a340-13ebb488e6fc", 
167
      "id": "56a52938-44e3-41e9-a340-13ebb488e6fc", 
            
117
      "name": "estimation-theory", 
168
      "name": "estimation-theory", 
            
118
      "state": "active", 
169
      "state": "active", 
            
119
      "vocabulary_id": null
170
      "vocabulary_id": null
            
120
    }, 
171
    }, 
            
121
    {
172
    {
            
122
      "display_name": "experimental-data", 
173
      "display_name": "experimental-data", 
            
123
      "id": "e3bf008b-c049-4ac4-be3b-e3de4912fa14", 
174
      "id": "e3bf008b-c049-4ac4-be3b-e3de4912fa14", 
            
124
      "name": "experimental-data", 
175
      "name": "experimental-data", 
            
125
      "state": "active", 
176
      "state": "active", 
            
126
      "vocabulary_id": null
177
      "vocabulary_id": null
            
127
    }, 
178
    }, 
            
128
    {
179
    {
            
129
      "display_name": "mathematical-optimization", 
180
      "display_name": "mathematical-optimization", 
            
130
      "id": "b33a86ee-df39-4619-8165-c8d73afbf5a4", 
181
      "id": "b33a86ee-df39-4619-8165-c8d73afbf5a4", 
            
131
      "name": "mathematical-optimization", 
182
      "name": "mathematical-optimization", 
            
132
      "state": "active", 
183
      "state": "active", 
            
133
      "vocabulary_id": null
184
      "vocabulary_id": null
            
134
    }, 
185
    }, 
            
135
    {
186
    {
            
136
      "display_name": "mathematics", 
187
      "display_name": "mathematics", 
            
137
      "id": "bb671137-9d2f-4e20-9668-bf6432ca50fb", 
188
      "id": "bb671137-9d2f-4e20-9668-bf6432ca50fb", 
            
138
      "name": "mathematics", 
189
      "name": "mathematics", 
            
139
      "state": "active", 
190
      "state": "active", 
            
140
      "vocabulary_id": null
191
      "vocabulary_id": null
            
141
    }, 
192
    }, 
            
142
    {
193
    {
            
143
      "display_name": "proton-exchange-membrane-fuel-cell", 
194
      "display_name": "proton-exchange-membrane-fuel-cell", 
            
144
      "id": "9db363bc-c2f8-40e4-897b-3586bf7c00b8", 
195
      "id": "9db363bc-c2f8-40e4-897b-3586bf7c00b8", 
            
145
      "name": "proton-exchange-membrane-fuel-cell", 
196
      "name": "proton-exchange-membrane-fuel-cell", 
            
146
      "state": "active", 
197
      "state": "active", 
            
147
      "vocabulary_id": null
198
      "vocabulary_id": null
            
148
    }, 
199
    }, 
            
149
    {
200
    {
            
150
      "display_name": "scale-ratio", 
201
      "display_name": "scale-ratio", 
            
151
      "id": "7ed07651-8b48-44ad-9393-f1bdd019be88", 
202
      "id": "7ed07651-8b48-44ad-9393-f1bdd019be88", 
            
152
      "name": "scale-ratio", 
203
      "name": "scale-ratio", 
            
153
      "state": "active", 
204
      "state": "active", 
            
154
      "vocabulary_id": null
205
      "vocabulary_id": null
            
155
    }, 
206
    }, 
            
156
    {
207
    {
            
157
      "display_name": "set-abstract-data-type", 
208
      "display_name": "set-abstract-data-type", 
            
158
      "id": "b2cf6bcc-6aa2-4a45-9c63-4066f4e32845", 
209
      "id": "b2cf6bcc-6aa2-4a45-9c63-4066f4e32845", 
            
159
      "name": "set-abstract-data-type", 
210
      "name": "set-abstract-data-type", 
            
160
      "state": "active", 
211
      "state": "active", 
            
161
      "vocabulary_id": null
212
      "vocabulary_id": null
            
162
    }, 
213
    }, 
            
163
    {
214
    {
            
164
      "display_name": "simulation", 
215
      "display_name": "simulation", 
            
165
      "id": "18bf61a4-8530-4140-aa1f-28322bf8cd9f", 
216
      "id": "18bf61a4-8530-4140-aa1f-28322bf8cd9f", 
            
166
      "name": "simulation", 
217
      "name": "simulation", 
            
167
      "state": "active", 
218
      "state": "active", 
            
168
      "vocabulary_id": null
219
      "vocabulary_id": null
            
169
    }
220
    }
            
170
  ], 
221
  ], 
            
171
  "title": "A self-validating method via the unification of multiple 
222
  "title": "A self-validating method via the unification of multiple 
            
172
models for consistent parameter identification in PEM fuel cells", 
223
models for consistent parameter identification in PEM fuel cells", 
            
173
  "type": "dataset", 
224
  "type": "dataset", 
            
174
  "url": "https://doi.org/10.3390/en15030885", 
225
  "url": "https://doi.org/10.3390/en15030885", 
            
175
  "version": null
226
  "version": null
            
176
}
227
}