MétaCan
Menu
Retour à la cohorte
Enregistrement W2986693746 · doi:10.1139/cjce-2019-0269

Effect of different sediment dewatering techniques on subsequent particle sizes in industrial derived effluent

2019· article· en· W2986693746 sur OpenAlexaffvenueabout
Mahmood Alimohammadi, Hayden A. Tackley, Craig B. Lake, Ian Spooner, Tony R. ‎Walker, Rob Jamieson, Chee‐Yuen Gan, Kevin Bossy

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandfill Environmental Impact Studies
Établissements canadiensBishop Water Technologies (Canada)Acadia UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésDewateringGeotextileSedimentationSedimentParticulatesFiltration (mathematics)Environmental scienceEffluentContext (archaeology)Environmental engineeringWaste managementGeotechnical engineeringGeologyChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

A paucity of literature has compared geotextile dewatering methods to more conventional dewatering methods (i.e., centrifuge, sedimentation) in the context of how geotextile dewatering performs at reducing particulate matter in dewatering effluent. Particulate matter is the primary source of inorganic and organic contaminants (i.e., dioxins and furans) in an unconsolidated sediment (estimated 577 000 m 3 ) that has accumulated in a wastewater stabilization basin in Nova Scotia, Canada. Physical and chemical properties of contaminated sediment were initially characterized, and subsequent laboratory experiments were carried out for three common dewatering methods: sedimentation, centrifugation, and geotextile filtration. Filtrate quality of suspended solids (number, particle size distribution of particles) was examined for differences based on three dewatering techniques assessed. All three methods provided effective removal of particulate matter during dewatering, but geotextile dewatering could be a more cost-effective and practical solution for dewatering of these sediments.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil0,542

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 Opus0,007
Tête enseignante GPT0,191
Écart entre enseignants0,184 · 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

Citations19
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetLandfill Environmental Impact StudiesTravaux en français237 207