MétaCan
Menu
Retour à la cohorte
Enregistrement W2058154168 · doi:10.1080/09593330801984258

LEAD RETENTION MECHANISMS AND HYDRAULIC CONDUCTIVITY STUDIES OF VARIOUS BENTONITES FOR GEOENVIRONMENT APPLICATIONS

2008· article· en· W2058154168 sur OpenAlexaff
Akiko Nakano, Loretta Y. Li, Masami Ohtsubo, Anil Kumar Mishra, Tomohiro Higashi

Notice bibliographique

RevueEnvironmental Technology · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandfill Environmental Impact Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBentoniteHydraulic conductivityCarbonateAdsorptionChemistrySorptionMineralogyChemical engineeringGeologySoil scienceSoil waterOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Four bentonites from various sources were exposed to batch adsorption testing, selective sequential extraction and consolidation tests to investigate their metal retention capacity and hydraulic conductivity for geoenvironmental application such as in clay barrier materials. The Japanese bentonites (JB1-JB3) contain approximately 2-4% of carbonate and trace amount of zeolite (JB2 and JB3), whereas the US bentonite has < 1% carbonate and no zeolite. The rank of smectite content in the bentonites are USB > JB1 > JB3 > JB2. The materials ranked as JB2 approximately JB3 > JB1 > USB, according to retention capacity, while after the removal of carbonate the retention capacity order was JB1 approximately JB2 approximately JB3 > USB. SSE results indicate that carbonate plays a major role at low Pb solution concentration and precipitate as PbCO3. Once the carbonate is exhausted, the clay composition dominates the sorption process. The hydraulic conductivity of the bentonite mixtures (basalt + 10% bentonite) using water was kUSB < kJB1 < kJB3 < kJB2, consistent with the smectite content and swelling power, with USB having the highest proportion of smectite. Among the Japanese bentonites studied, JB1 is the best candidate for barrier material, comparable to the widely used USB.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,128
Score d'incertitude au seuil1,000

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 technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,028
Tête enseignante GPT0,251
Écart entre enseignants0,223 · 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.

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

Citations14
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetLandfill Environmental Impact StudiesTravaux en français237 207