MétaCan
Menu
Retour à la cohorte
Enregistrement W2079874714 · doi:10.1061/(asce)0887-381x(2001)15:2(69)

Freeze-Thaw Treatment of Membrane Concentrates Derived from Kraft Pulp Mill Operations

2001· article· en· W2079874714 sur OpenAlexaff
Roderick M. Facey, David W. Smith

Notice bibliographique

RevueJournal of Cold Regions Engineering · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueFreezing and Crystallization Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésKraft paperKraft processPulp (tooth)cardboardPulp and paper industryEffluentPaper millMaterials scienceWaste managementEnvironmental scienceComposite materialEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Freeze thaw was studied as a waste treatment method for concentration and volume reduction of contaminated waste concentrates that are derived from the use of membrane technology in the treatment of high strength Kraft pulp mill effluents. Unidirectional freezing experiments were conducted to simulate seminatural freezing, in which the independent variables—freezing rate, time frozen, storage temperature, concentration, liquid depth, thawing rate and method of thawing—were examined for their relative importance. Method of thawing followed by freezing rate, rate of thawing, storage temperature, and time frozen were identified as the most important independent variables that contribute significantly to treatment performance. Under ideal conditions, freeze thaw was shown to effectively concentrate and separate the constituent matter of alkaline, extraction-stage membrane concentrate to achieve color removals as high as 73% in the top 70% liquid fraction. The results suggest a new field of use for freeze thaw as a waste treatment process for the management of high strength liquid wastes amenable to mechanical coagulation by freezing.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0000,000
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 Opus0,012
Tête enseignante GPT0,202
Écart entre enseignants0,190 · 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'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

Citations16
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cold Regions EngineeringMême sujetFreezing and Crystallization ProcessesTravaux en français237 207