MétaCan
Menu
Retour à la cohorte
Enregistrement W1980372855 · doi:10.1002/apj.402

Mercury transformation across various air pollution control devices in a 200 MW coal‐fired boiler of China

2009· article· en· W1980372855 sur OpenAlexaboutno aff
Ye Tao, Yuqun Zhuo, Liang Zhang, Changhe Chen, Xuchang Xu

Notice bibliographique

RevueAsia-Pacific Journal of Chemical Engineering · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaTsinghua University
Mots-clésMercury (programming language)Flue gasFlue-gas desulfurizationElectrostatic precipitatorBoiler (water heating)ChemistryCoalWaste managementAir pollutionPollutionEnvironmental chemistryEnvironmental scienceEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract An onsite investigation of the mercury emission from a Chinese 200 MW pulverized coal (PC) boiler equipped with various air pollution control devices (APCDs) was conducted by using the Ontario Hydro method (OHM). The mercury mass balance was + 4.6% of the input coal mercury for the whole system. Small amounts of mercury were detected in the bottom ash; nearly 90% of the mercury in PC was removed by the existing APCDs, i.e. selective catalytic reduction unit (SCR) and electrostatic precipitator (ESP) followed by fabric filters (FFs) baghouse, and flue gas desulfurization system (FGD). The concentration of oxidized mercury (converted from the elemental form) in the flue gas increased from 14% before SCR to 75% after SCR. Hence, the mercury removal efficiency of ESP and FGD was significantly improved when compared to the removal rates found in previous field measurement. This study demonstrates that the conversion of elemental mercury into the oxidized forms significantly improves the overall mercury removal efficiency of conventional APCDs, and most of the mercury emitted after FGD was in the elemental form. Copyright © 2009 Curtin University of Technology and John Wiley & Sons, Ltd.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,005
Tête enseignante GPT0,222
Écart entre enseignants0,217 · 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'étudeObservationnel
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

Citations15
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia-Pacific Journal of Chemical EngineeringMême sujetMercury impact and mitigation studiesTravaux en français237 207