MétaCan
Menu
Retour à la cohorte
Enregistrement W2789504116 · doi:10.1680/jgeot.17.p.194

PC-based and MgO-based binders stabilised/solidified heavy metal-contaminated model soil: strength and heavy metal speciation in early stage

2018· article· en· W2789504116 sur OpenAlexaff
Fei Wang, Zhengtao Shen, Abir Al‐Tabbaa

Notice bibliographique

RevueGéotechnique · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Oxide Properties and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNational Natural Science Foundation of China
Mots-clésPortland cementCompressive strengthFly ashZincMagnesiumMaterials scienceLeaching (pedology)CementCarbonateMetallurgyGround granulated blast-furnace slagLimeManganeseMetalCuring (chemistry)CopperSoil waterEnvironmental scienceComposite material

Résumé

récupéré en direct d'OpenAlex

An investigation into using Portland cement (PC)-based and magnesia (MgO)-based binders for treating contaminated model soil was carried out to study the benefit of novel binders over conventional ones in stabilisation/solidification systems (S/S), as well as the binding mechanism involved. Binders used in this study include PC, ground granulated blast-furnace slag, pulverised fly ash and magnesia. The strength and the leaching properties of S/S treated samples by way of unconfined compressive strength and sequential extraction tests are presented. The results show that the early-age strength of these mixes is influenced by the reactivity of binders; heavy metals were principally distributed in the carbonate and the iron/manganese (Fe/Mn) oxide fractions in all mixes after 28 days of curing time; the speciation distribution characteristics are not the same among zinc (Zn), copper (Cu), nickel (Ni) and lead (Pb), and the stability of Zn, Cu, Ni and Pb benefits from a longer curing time and the use of magnesia.

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 seuil0,004

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)0,0010,000

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 Opus0,022
Tête enseignante GPT0,245
Écart entre enseignants0,223 · 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

Citations43
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGéotechniqueMême sujetMagnesium Oxide Properties and ApplicationsTravaux en français237 207