MétaCan
Menu
Retour à la cohorte
Enregistrement W2987635050 · doi:10.1139/cjce-2019-0516

The impact of oil sands process water matrix on the ozonation of naphthenic acids: from a model compound to a natural mixture

2019· article· en· W2987635050 sur OpenAlexaffvenue
Rui Qin, Pamela Chelme‐Ayala, Mohamed Gamal El‐Din

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2019
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésNaphthenic acidChemistryOil sandsDegradation (telecommunications)AdsorptionOzoneEnvironmental chemistryWater treatmentMatrix (chemical analysis)Chemical engineeringInorganic ionsPulp and paper industryOrganic chemistryEnvironmental engineeringChromatographyAsphaltIonEnvironmental scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Oil sands process water (OSPW) contains organics, inorganics, and particles. To understand and improve the ozonation performance, it is crucial to clarify the effect of inorganics and particles on the ozonation of OSPW organic compounds. In this study, OSPW containing only inorganic fraction (OSPW-IF) was obtained after the organics were adsorbed onto granular activated carbon. A model naphthenic acid (NA) compound, cyclohexanecarboxylic acid (CHA), was dissolved in OSPW-IF (CHA-OSPW-IF) and NaHCO3 buffer (CHA-Buffer). Ozonation of CHA-Buffer achieved higher CHA removal and lower utilized ozone dosages compared to CHA-OSPW-IF. Some inorganic ions present in OSPW (i.e., NH4+, HCO3−, and Cl−) caused a slight reduction of CHA degradation. Inorganics in OSPW inhibited the degradation of natural-occurring NAs while a negligible influence of particles on the ozonation of NAs was found. This research suggests that ozonation could be better utilized as an intermediate or post-treatment step in a treatment train for OSPW reclamation.

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 enseignants0,003
Score d'incertitude au seuil0,006

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 Opus0,005
Tête enseignante GPT0,215
Écart entre enseignants0,210 · 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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetPetroleum Processing and AnalysisTravaux en français237 207