MétaCan
Menu
Retour à la cohorte
Enregistrement W2513464391 · doi:10.1002/cjce.22644

Estimation of methylene blue index in oil sands tailings using hyperspectral data

2016· article· en· W2513464391 sur OpenAlexafffundvenue
Iman Entezari, Benoît Rivard, Michael Lipsett

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensUniversity of Alberta
Organismes subventionnairesShell Canada
Mots-clésTailingsOil sandsHyperspectral imagingMineralogyEnvironmental scienceOil shaleGeologySoil scienceRemote sensingMaterials scienceAsphaltComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Clay minerals constitute a significant fraction of oil sands tailings; and clay mineralogy, abundance, and morphology can dramatically affect the strength of the tailings during consolidation. The ability of clays to expand or swell in the presence of water is of importance in establishing the post‐depositional strength and the geotechnical stability of a tailings deposit for reclamation purposes. The surface activity of oil sands tailings solids is typically determined using the methylene blue index (MBI), an analytical technique that quantifies the ionic absorption capacity of a sample. The present work explores the use of short‐wave infrared (SWIR) and long‐wave infrared (LWIR) hyperspectral observations for the estimation of the swelling potential or activity of oil sands tailings indicated by MBI. Spectral features in reflectance spectra were characterized in the SWIR and LWIR, in particular those attributed to the presence of quartz and clays. These features were employed to assess the correlation between MBI and remote sensing reflectance measurements collected in the laboratory from air‐dried tailings. In the SWIR, a band ratio of reflectance at 2.111 and 1.992 μm was highly correlated with MBI. For the potential estimation of MBI in outdoor settings, where the intervening atmosphere can impact the spectral measurements, a band ratio of reflectance at 1.773 and 1.307 μm provided an estimation of MBI when moisture of tailings did not exceed 0.20 g/g (20 wt%). The best predictions of MBI were obtained in the LWIR using the reflectance peaks at 9.67 µm and 11 µm attributable to clay minerals.

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 enseignants0,002
Score d'incertitude au seuil0,005

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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,218
Écart entre enseignants0,198 · 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

Citations5
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetGeochemistry and Geologic MappingTravaux en français237 207