MétaCan
Menu
Retour à la cohorte
Enregistrement W2527357081 · doi:10.1680/jgein.16.00025

Diffusion of multiwall carbon nanotubes through a high-density polyethylene geomembrane

2016· article· en· W2527357081 sur OpenAlexafffund
Pooneh T. Saheli, R. Kerry Rowe, Elijah J. Petersen, Denis M. O’Carroll

Notice bibliographique

RevueGeosynthetics International · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueNanotechnology research and applications
Établissements canadiensWestern UniversityQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKillam Trusts
Mots-clésGeomembraneGeosyntheticsCarbon nanotubeMaterials scienceDiffusionPolyethyleneComposite materialHigh-density polyethyleneCarbon fibersGeotechnical engineeringEngineeringComposite numberThermodynamics

Résumé

récupéré en direct d'OpenAlex

The new applications for carbon nanotubes (CNTs) in various fields and consequently their greater production volume have increased their potential release to the environment. Landfills are one of the major locations where carbon nanotubes are expected to be disposed, and it is important to ensure that they can limit the release of CNTs. Diffusion of multiwall carbon nanotubes (MWCNTs) dispersed in an aqueous media through a high-density polyethylene (HDPE) geomembrane (as a part of the landfill barrier system) was examined. Based on the laboratory tests, the permeation coefficient was estimated to be less than 5.1 × 10 −15 m 2 /s. The potential performance of an HDPE geomembrane and geosynthetic clay liner (GCL) as parts of a composite liner in containing MWCNTs was modelled for six different scenarios. The results suggest that the low value of permeation coefficient of an HDPE geomembrane makes it an effective diffusive barrier for MWCNTs, and by keeping the geomembrane defects to minimum during the construction (e.g., the number of holes and length of wrinkles) a composite liner commonly used in municipal solid waste landfills will effectively contain MWCNTs.

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 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 enseignants0,018
Score d'incertitude au seuil0,335

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,218 · 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.

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

Citations25
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeosynthetics InternationalMême sujetNanotechnology research and applicationsTravaux en français237 207