Role of Preconditioning Cationic Zetag Flocculant in Enhancing Mature Fine Tailings Flocculation
Notice bibliographique
Résumé
The ongoing generation of mature fine tailings (MFT) or fluid fine tailings (FFT) from surface mining activities of the oil sands industry in Canada has been a contentious issue for many years. In the absence of large-scale processing facilities, many far-reaching consequences from extensive stockpiling of FFT will plague the industry for many years to come. Application of polymeric flocculants to treating FFT for efficient solid–water separation has been well-established. However, most commercially used flocculants carry a negative charge and yield incomplete capture of suspended fine solids and hence relatively turbid recycle water. This inefficient flocculation of fine solids limits the effort of process water recycling and severely strains most downstream dewatering processes, such as filtration. Cationic flocculants offer a promising alternative in terms of overall solids capture and recycle water quality, although the associated high cost hindered much of its commercial applications. In this work, we introduce a method to deploy a commercial cationic flocculant (Zetag 8110). Heating and increasing pH of the flocculant solution in oil sands process water led to more effective fines flocculation and a supernatant of <200 nephelometric turbidity units (NTU), at ∼75% less dosage than the direct use of Zetag solution without any form of preconditioning. The insights gained from this study can lead to a better flocculant design, utilization, and process economics for FFT treatment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».