MétaCan
Menu
Retour à la cohorte
Enregistrement W2078794344 · doi:10.1351/pac200880091993

Thermal plasma treatment of stormwater detention pond sludge

2008· article· en· W2078794344 sur OpenAlexafffundabout
Jen‐Shih Chang, Oi Lun Li, Yiping Guo

Notice bibliographique

RevuePure and Applied Chemistry · 2008
Typearticle
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryEnvironmental chemistryPollutionChristian ministryTotal organic carbonSedimentVolumetric flow rate

Résumé

récupéré en direct d'OpenAlex

Abstract A thermal plasma treatment experiment was conducted on stormwater detention pond sludge. The original sludge compositions were analyzed by neutron activation multi-element analysis. Thirty-two elements were detected in the sludge samples, and nine of them were below detection limit. The assessment of Zn, As, Mn, and Fe concentrations against the Ontario Ministry of Environment's Sediment Quality Guidelines indicated a marginal-to-significant pollution, and the concentration of Cr presented a gross pollution. After thermal plasma treatment, the mean weight percentage removal at 0 and 2 L/min of air flow rates was 2.78 ± 0.51 and 3.85 ± 1.35 %, respectively. The maximum weight removal of 5.87 % was achieved with 2 L/min air flow rate and 2 h of treatment time. Reduction of total organic carbon (TOC) increased with increasing treatment time and air flow rate. Eight gas compounds, CO, CO 2 , NO, NO 2 , NO x , SO 2 , H 2 S, and C x H y were measured and observed during the treatment process.

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 enseignants0,021
Score d'incertitude au seuil0,276

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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,221
Écart entre enseignants0,207 · 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

Citations7
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePure and Applied ChemistryMême sujetPlasma Applications and DiagnosticsTravaux en français237 207