A Review of Oil-in-Water Monitoring Techniques: The Concluding Results
Notice bibliographique
Résumé
ABSTRACT A comprehensive laboratory study of the Turner Instrument flow-through models 10AU and 10 fluorometers was conducted to review their ability to measure real-time oil-in-water concentrations and to further understand the relationship of the fluorescence to the chemical composition of the oils. The oils and dispersant used in the program were Alberta Sweet Mixed Blend (ASMB) crude oil (0% and 26% weathered samples), Prudhoe Bay (PB) crude oil (0% and 27% weathered samples), Bunker C (BC) fuel oil (0% and 8.4% weathered samples), Diesel fuel (0% and 37% weathered samples) and Corexit 9500 respectively. The chemical composition of the oils was determined by gas chromatographic techniques and compared to the signal outputs of the fluorometers. It was found that the fluorometer data could not be directly linked to the concentration of any specific aromatic hydrocarbon such as naphthalene or to the sum of the polycyclic aromatic hydrocarbon (PAH) compounds. Evidence suggests that the fluorescence signal is generated by a combination of PAH compounds. The relative contribution of each PAH compound is not equal. Finally, the response of the fluorometers may also be influenced by the presence of volatile aromatic compounds such as BTEX and C3- benzenes in combination with the PAH compounds.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».