MétaCan
Menu
Retour à la cohorte
Enregistrement W2121375631 · doi:10.1061/40970(309)75

Modeling Geochemical and Reactivity Changes of Different Iron Materials

2008· article· en· W2121375631 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGeoCongress 2008 · 2008
Typearticle
Langueen
DomaineChemistry
ThématiqueRadioactive element chemistry and processing
Établissements canadiensPetro-CanadaToronto East General HospitalUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésReactivity (psychology)Computer scienceGeologyEnvironmental scienceMaterials scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Including declining reactivity of iron, resulting from precipitation of secondary minerals, into reactive transport models is a key component for better estimation of longevity of iron permeable reactive barriers (PRBs). In this study, the accumulation of secondary minerals and reactivity loss were coupled using an empirically-derived relationship that was incorporated into an existing multi-component reactive transport code. The simulation results were compared to the observations from column experiments, which were designed to evaluate the changes of the reactivity of different iron materials for cis-dichloroethene (cis-DCE) treatment in the presence of dissolved CaCO3. The model provided a reasonable representation of the evolution of iron reactivity toward cis-DCE treatment and the changes in geochemical conditions for each material. The modeling results suggest that iron material having a high corrosion rate is not beneficial in the presence of a high concentration of dissolved CaCO3 because of a faster migration of cis-DCE profiles and greater porosity loss closer to the influent end. This study shows that declining reactivity of iron due to mineral precipitation should be considered at the design stage of iron PRB construction.

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.

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 enseignants0,004
Score d'incertitude au seuil0,757

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 Opus0,023
Tête enseignante GPT0,242
Écart entre enseignants0,218 · 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