MétaCan
Menu
Retour à la cohorte
Enregistrement W2162485019 · doi:10.1111/j.1745-6584.2008.00415.x

Electrokinetic Migration of Permanganate Through Low‐Permeability Media

2008· article· en· W2162485019 sur OpenAlexaff
D. A. Reynolds, Edward H. Jones, Mike Gillen, Ismail Yusoff, David G. Thomas

Notice bibliographique

RevueGround Water · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrokinetic Soil Remediation Techniques
Établissements canadiensGolder Associates (Canada)
Organismes subventionnairesnon disponible
Mots-clésElectrokinetic phenomenaPotassium permanganateElectromigrationPermanganatePorous mediumPermeability (electromagnetism)Environmental remediationCloggingMaterials scienceElectrokinetic remediationDiffusionEnvironmental chemistryPorosityContaminationChemical engineeringEnvironmental scienceChemistryComposite materialInorganic chemistryNanotechnology

Résumé

récupéré en direct d'OpenAlex

This research was conducted to evaluate the combination of electromigration and potassium permanganate as a potential remediation method for low-permeability media (e.g., soil and sediment) contaminated with dissolved and sorbed organic contaminants. The experimental procedure was composed of two stages: determination of migration rates of permanganate through homogeneous cores and a primarily qualitative analysis of migration in more heterogeneous, two-dimensional scenarios. Results indicated that transport of permanganate through fine-grained porous media and clays can be undertaken using electromigration, and electromigration rates were found to be at least 400% faster than diffusion alone. In addition, the use of an applied electric field in a flushing scenario was shown to result in almost 100% sweep efficiency of a domain consisting of clay blocks interspersed in a glass bead medium. The results of the study show that there is potential for this method to be able to deliver permanganate and other potential remedial agents to treat contaminated zones within heterogeneous and low-permeability porous media through in situ chemical oxidation or other processes.

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 seuil0,002

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 Opus0,010
Tête enseignante GPT0,196
Écart entre enseignants0,187 · 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

Citations59
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGround WaterMême sujetElectrokinetic Soil Remediation TechniquesTravaux en français237 207