MétaCan
Menu
Retour à la cohorte
Enregistrement W2286423074 · doi:10.1680/envgeo.13.00095

Characterisation of bentonite polymer for bottom liner use

2014· article· en· W2286423074 sur OpenAlexaff
Andry Razakamanantsoa, Irini Djéran‐Maigre, Gilles Barast

Notice bibliographique

RevueEnvironmental Geotechnics · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandfill Environmental Impact Studies
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesInstitut National des Sciences Appliquées de Lyon
Mots-clésBentonitePolymerSwellingSwellPermeability (electromagnetism)AdsorptionMaterials scienceHydraulic conductivityLeachatePolyelectrolyteChemical engineeringGeotechnical engineeringComposite materialEnvironmental scienceGeologyChemistrySoil waterSoil scienceMembraneOrganic chemistryEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

This paper aims to study the hydromechanical behaviour and the clay polymer interaction of amended Ca-bentonite. Specimens were formed by mixing Ca-bentonite with two soluble polyelectrolyte polymer powders. Some important parameters are studied: swelling, water adsorption and hydraulic performance for landfill applications. Tests are performed with tap water and synthetic leachate (SL) to reproduce the hydrochemical phenomena. Hydraulic performance tests were performed with an oedopermeameter. Tests results show that polymers tend to reduce the permeability when in contact with the SL. Water adsorption and free swell index tests confirmed that adsorption, swelling and permeability parameters depend on the clay polymer mixtures and that adding polymers improves the clay properties. Each polymer’s charges has a different effect: the anionic polymer gives low permeability to the mixture, and the cationic polymer enhances the bentonite swell ability and water retention, which can be used also as a performance index.

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 seuil0,004

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
Bibliométrie0,0010,000
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 Opus0,010
Tête enseignante GPT0,205
Écart entre enseignants0,195 · 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

Citations26
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental GeotechnicsMême sujetLandfill Environmental Impact StudiesTravaux en français237 207