MétaCan
Menu
Retour à la cohorte
Enregistrement W2901944932 · doi:10.1002/marc.201800644

Advanced Polymer Flocculants for Solid–Liquid Separation in Oil Sands Tailings

2018· review· en· W2901944932 sur OpenAlexaff
Sarang P. Gumfekar, Vahid Vajihinejad, João B. P. Soares

Notice bibliographique

RevueMacromolecular Rapid Communications · 2018
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueCoagulation and Flocculation Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTailingsOil sandsFlocculationPolymerSeparation (statistics)Materials scienceWaste managementEnvironmental scienceChemical engineeringComposite materialMetallurgyEnvironmental engineeringAsphaltEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

The generation of tailings as a by product of the bitumen extraction process is one of the largest environmental footprints of oil sands operations. Most of the tailings treatment technologies use polymer flocculants to induce solid-liquid separation. However, due to the complex composition of tailings, conventional flocculants cannot reach the same performance achieved in other wastewater treatments. Over the last couple of decades, the oil sands industry has used acrylamide-based flocculants to treat tailings, achieving major progress in process optimization and integration with mechanical operations, but they still could not reach the required land reclamation targets. Over the last 5 years, the group designed, synthesized, and tested several novel polymer flocculants tailored for oil sands tailings treatment. This feature article communicates recent developments in these innovative polymers. The article first provides a background on tailings generation and treatment, followed by the description of advanced polymer flocculants categorized according to their microstructures such as linear, branched, and graft. The other tailings remediation technologies and one of the initial works on modeling of tailings flocculation is discussed.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,060
Tête enseignante GPT0,394
Écart entre enseignants0,334 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromolecular Rapid CommunicationsMême sujetCoagulation and Flocculation StudiesTravaux en français237 207