MétaCan
Menu
Retour à la cohorte
Enregistrement W2219668343 · doi:10.1139/cgj-2015-0453

Modelling long-term hydraulic conductivity behaviour of zero valent iron column tests for permeable reactive barrier design

2015· article· en· W2219668343 sur OpenAlexvenueno aff
Nicola Moraci, Domenico Ielo, Stefania Bilardi, Paolo S. Calabrò

Notice bibliographique

RevueCanadian Geotechnical Journal · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueEnvironmental remediation with nanomaterials
Établissements canadiensnon disponible
Organismes subventionnairesMinistero dell’Istruzione, dell’Università e della Ricerca
Mots-clésHydraulic conductivityCorrosionZerovalent ironPrecipitationExpansiveMaterials scienceGeotechnical engineeringConductivityMechanicsMetallurgyEnvironmental scienceChemistryGeologyComposite materialSoil scienceSoil waterAdsorptionCompressive strengthPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, a numerical model to simulate the hydraulic conductivity reduction observed during long-term laboratory column tests is proposed. The column tests are carried out to study dissolved heavy metals removal by using granular zero valent iron (ZVI). The proposed model is also used to analyse the main causes of hydraulic conductivity reduction observed during laboratory column tests. Expansive iron corrosion, precipitation of reaction products, and gas formation are the processes considered in the proposed model. Numerical simulation results show that to reproduce hydraulic behaviour of the experimental systems, the change of pores geometry due to expansive iron corrosion and precipitation of reaction products, which determines a possible stoppage of gas bubbles, should be considered. Furthermore, model results show that only a small percentage of the iron available is corroded during the tests (from 0.4% to 1.9%). According to the model, the average diameter of gas bubbles that better fit the experimental results varies between 0.16 and 0.19 mm. While assuming gas absence (or its possible escape), higher values of iron corrosion rate should be considered to fit the experimental results.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,295
Score d'incertitude au seuil0,839

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,051
Tête enseignante GPT0,248
Écart entre enseignants0,197 · 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'étudeSimulation ou modélisation
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

Citations72
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetEnvironmental remediation with nanomaterialsTravaux en français237 207