Kömür hazırlama tesis artıklarının koagülasyon ile susuzlandırılmasında farklı koagülant tiplerinin etkisinin araştırılması
Notice bibliographique
Résumé
https://orcid.org/0000-0001-6489-2229Bu çalışmada, kömür hazırlama tesis atık sularının koagülasyon ile çöktürülmesinde farklı tip koagülantların çöktürme verimi üzerindeki etkisi araştırılmış ve elde edilen sonuçlar birbirleriyle mukayese edilerek en uygun koagülant tipi belirlenmeye çalışılmıştır. Koagülasyon testlerinde koagülant tipi ve miktarı, ortam pH’sı, karıştırma süresi ve hızı gibi parametreler test edilmiştir. Her bir deney sonrası süspansiyonun türbiditesi ölçülerek koagülasyon verimleri hesaplanmıştır. Demir sülfat, alüminyum sülfat ve demir klorür ile yapılan koagülasyon deneylerinden elde edilen sonuçlara göre koagülasyon verimlerinin sırasıyla; %67.21, %88.71 ve %94 olduğu tespit edilmiştir. Deneyler sırasında koagülantların tüketim miktarlarından yola çıkarak işlem maliyetleri de tespit edilmiştir. Tüm bu sonuçlar ışığında demir klorürün diğer koagülantlara göre daha verimli ve ekonomik olduğu belirlenmiştir.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,095 | 0,033 |
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 source (Gemma direct ou Codex distillé), 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 ».