MétaCan
Menu
Retour à la cohorte
Enregistrement W2369576174

Emission characteristics of arsenic and mercury from a 300 MW coal-fired power plant

2013· article· en· W2369576174 sur OpenAlexaboutno aff
Wei‐Ping Pan

Notice bibliographique

RevueRanliao huaxue xuebao · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)Fly ashChemistryArsenicFlue gasBottom ashCoalEnvironmental chemistryFluePower stationCoal firedWaste management
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

An emissions studies for arsenic and mercury were conducted at a 300 MW coal-fired power plant.The solid streams such as coal,bottom ash and ESP ash were collected,and the arsenic and mercury in the flue gas around ESP were aslo directly sampled using Ontario Hydro Method and then tested.The results show that the arsenic concentration in fly ash is about 6.68×10-6,which is almost 2.5 times as that in coal,nevertheless that in bottom ash is only 1.70 ×10-6.Its concentration in the flue gas is 153.27 and 41.13 μg/m3 before and after ESP,respectively.The mercury concentration in coal,fly ash and bottom ash is about 2.5×10-7,1.9×10-7 and 1.5×10-7 respectively,its concentration in the flue gas before and after ESP was about 5.49 and 5.21 μg/m3.Arsenic is significantly concentrated in fly ash,whereas mercury is not.ESP unit has obvious synergistic effect on arsenic removal up to 71%,while it is not obvious for mercury removal.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil0,996

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)0,0050,000

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 Opus0,011
Tête enseignante GPT0,221
Écart entre enseignants0,210 · 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.

Devis d'étudeObservationnel
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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRanliao huaxue xuebaoMême sujetMercury impact and mitigation studiesTravaux en français237 207