MétaCan
Menu
Retour à la cohorte
Enregistrement W2016531446 · doi:10.1021/ie0100333

Thermal Desorption Treatment of Contaminated Soils in a Novel Batch Thermal Reactor

2001· article· en· W2016531446 sur OpenAlexafffund
Marline T. Smith, Franco Berruti, Anil K. Mehrotra

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater flow and contamination studies
Établissements canadiensUniversity of CalgaryWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésThermal desorptionDesorptionEnvironmental remediationChemistrySoil waterContaminationSoil contaminationSorptionEnvironmental chemistryAdsorptionEnvironmental scienceSoil scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Low-temperature thermal desorption, in which thermal energy is used to vaporize and physically separate volatile and semivolatile organic contaminants from soil, is among the most promising and economic ex situ soil remediation alternatives. Experiments were performed using a bench-scale thermal desorber, the batch thermal reactor, which was developed as a prototype to commercial desorbers. A treatability study using four representative samples of industrial contaminated soil was followed by a fundamental study of the thermal desorption process using three controlled samples prepared by mixing a soil with binary mixtures of selected polynuclear aromatic hydrocarbons. For the industrial samples, the effect of desorber residence time, temperature, and several pretreatments on contaminant removal was investigated. Three of the five samples were successfully treated to the legislated soil remediation limits. Using the prepared samples, the effects of sample porosity, contaminant molar mass, desorber residence time, and temperature on thermal desorption were investigated. The experimental results were fitted to an exponential desorption equation, and the desorption rate curves were generated to provide a basis for scale-up.

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 enseignants0,032
Score d'incertitude au seuil0,564

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,086
Tête enseignante GPT0,301
Écart entre enseignants0,214 · 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

Citations53
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetGroundwater flow and contamination studiesTravaux en français237 207