MétaCan
Menu
Retour à la cohorte
Enregistrement W2155214270 · doi:10.1080/09593332508618392

Lignor™ Process for Acidic Rock Drainage Treatment

2004· article· en· W2155214270 sur OpenAlexaboutno aff
J. Ming Zhuang, T. Walsh

Notice bibliographique

RevueEnvironmental Technology · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLignosulfonatesLimeChemistryPulp and paper industrySewage treatmentWaste managementEnvironmental chemistryEnvironmental engineeringLigninEnvironmental scienceMaterials scienceMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The process using lignosulfonates for acidic rock drainage (ARD) treatment is referred to as the Lignor process. Lignosulfonates are waste by-products produced in the sulfite pulping process. The present study has shown lignosulfonates are able to protect lime from developing an external surface coating, and hence to favor its dissociation. Further, the addition of lignosulfonates to ARD solutions increased the dotting and settling rate of the formed sludge. The capability of lignosulfonates to form stable metal-lignin complexes makes them very useful in retaining metal ions and thus improving the long-term stability of the sludge against leaching. The Lignor process involves metal sorption with lignosulfonates, ARD neutralization by lime to about pH 7, pH adjustment with caustic soda to 9.4 - 9.6, air oxidation to lower the pH to a desired level, and addition of a minimum amount of FeCl3 for further removal of dissolved metals. The Lignor process removes all concerned metals (especially Al and Mn) from the ARD of the Britannia Mine (located at Britannia Beach, British Columbia, Canada) to a level lower than the limits of the B.C. Regulations. Compared with the high-density sludge (HDS) process, the Lignor process has many advantages, such as considerable savings in lime consumption, greatly reduced sludge volume, and improved sludge stability.

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 enseignants0,057
Score d'incertitude au seuil0,868

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)0,0010,001

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 Opus0,008
Tête enseignante GPT0,240
Écart entre enseignants0,233 · 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

Citations4
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetMine drainage and remediation techniquesTravaux en français237 207