MétaCan
Menu
Retour à la cohorte
Enregistrement W2977521681 · doi:10.29173/aar54

Analyzing the Rare Earth Elements (REEs) and Trace Metals in Tailings

2019· article· en· W2977521681 sur OpenAlexafffundvenueabout
R Butler, Deepak Pudasainee, Monir Khan, Rajender Gupta

Notice bibliographique

RevueAlberta Academic Review · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of AlbertaAlberta Environment and Parks
Mots-clésTailingsEnvironmental scienceEnvironmental chemistryTrace metalCeriumChemistryMetallurgyMetalMaterials science

Résumé

récupéré en direct d'OpenAlex

In the process of producing bitumen from oil sand, a by-product called tailings is produced. Tailings are a mixture of clay, fine particles, water, solvent and residual bitumen. The industry’s current approach is to leave them in tailings ponds; however, that may cause environmental impacts to the ecosystems around them due in part to the toxic trace metals found in them. Research has shown that there are also valuable rare Earth elements (REEs) present in tailings. REEs found in tailings include Cerium, Neodymium, Lanthanum etc. Iron, Titanium, and Zirconium are not considered REEs but are still valuable enough to be extracted. The objective of this research was to determine the concentration of REEs and trace metals in bitumen froth treatment tailings (FTT). Our research team used acid digestion and inductively coupled plasma mass spectroscopy (ICP-MS) to measure the concentration of REEs and trace metals in several samples of FTT ash. We learned that Cerium was the most prevalent REE in tailings samples (>1000ppm), followed by Neodymium and Lanthanum. Zirconium was the most prevalent trace metal found in this tailings sample (>1000ppm), followed closely by Vanadium. Knowing the exact concentration of harmful trace metals in tailings will allow us to determine the extent of tailings ponds environmental effect and toxicity. Collecting and selling expensive metals found in tailings could be the start of a new precious metals economy in Alberta, which would provide new investment opportunities and jobs. This would also encourage corporations to invest in finding new ways to extract these precious metals, resulting in more purified tailings and less tailings overall going into tailings ponds.

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 enseignants0,004
Score d'incertitude au seuil0,008

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,261
Écart entre enseignants0,247 · 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

Citations2
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueAlberta Academic ReviewMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207