MétaCan
Menu
Retour à la cohorte
Enregistrement W2410659232 · doi:10.1021/acs.energyfuels.5b01213

Impact of Sulfur Loading on Brominated Biomass Ash on Mercury Capture

2015· article· en· W2410659232 sur OpenAlexafffund
Teresa M. Bisson, Zong Qian Ong, Aimee Maclennan, Yongfeng Hu, Zhenghe Xu

Notice bibliographique

RevueEnergy & Fuels · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensCanadian Light Source (Canada)University of SaskatchewanUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésSorbentBromineMercury (programming language)ChemistrySulfurLeaching (pedology)Environmental chemistrySorptionFlue gasNuclear chemistryAdsorptionEnvironmental scienceOrganic chemistrySoil water

Résumé

récupéré en direct d'OpenAlex

Brominated carbon injection is a commonly applied technology for capture of mercury in flue gases emitted from coal-fired power plants. However, a previous study has shown leaching potential of mercury (Hg) and bromine (Br) from brominated carbon sorbents, with recommendations to reduce Br concentration in the sorbents. To reduce the Br content required on the sorbent, a strategy of coimpregnation of sulfur and Br was employed in this study. Sulfur (S) loading was found to increase the mercury uptake by the sorbent, with the maximum uptake occurring at a S:Sorbent mass ratio of 1:20. Co-loading of a low concentration of bromine (0.7–0.9%) to the sulfur-loaded sample further improved mercury capture by the sorbent and appeared to have a synergistic effect on Hg removal. Leaching tests confirmed that combining both Br and S onto the sorbent reduced the leaching potential of Br and Hg from the spent sorbent material. In addition, analysis of Hg X-ray absorption spectra (XAS) revealed a mixed Hg–Br, Hg–S, and Hg–C binding environment on the sorbent coimpregnated with bromine and sulfur.

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 enseignants0,003
Score d'incertitude au seuil0,007

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)0,0020,000

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 Opus0,026
Tête enseignante GPT0,278
Écart entre enseignants0,253 · 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

Citations13
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetMercury impact and mitigation studiesTravaux en français237 207