MétaCan
Menu
← Retour à la cohorte
Enregistrement W2990633072 · doi:10.1139/cjce-2019-0454

A comparison of waste leaching determination methods in the context of dewatered oil sands fine tailings

2019· article· en· W2990633072 sur OpenAlexafffundvenue
Nicholas Utting, Carmit K. McMullen, Magnus Morin, Pere Muñoz

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2019
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensNatural Resources Canada
Organismes subventionnairesGovernment of Canada
Mots-clésLeaching (pedology)TailingsEnvironmental scienceToxicity characteristic leaching procedureOil sandsContext (archaeology)Environmental chemistryWaste managementContaminationChemistryEnvironmental engineeringMetallurgyHeavy metalsGeologyMaterials scienceSoil scienceSoil waterEngineering

Résumé

récupéré en direct d'OpenAlex

Leaching tests are an important component in assessing the potential of contaminants to leach from waste materials to the environment. Numerous leaching test protocols have been developed for different applications. In this study, we compare four different methods in the context of assessing leaching of inorganic ions from oil sands tailings. The four methods compared were: United States Environmental Protection Agency (EPA) Toxicity Characteristic Leaching Procedure; ASTM D6234; ASTM D3987; and what we refer to as the Deionized method (modified from Syncrude Analytical Aqueous Extraction of Oil Sand Method 1.7). It was found that the EPA Toxicity Characteristic Leaching Procedure generally resulted in the highest ion concentrations. The EPA method had statistically different results for three of the four tailings mixes when compared with the other three leaching methods. For Mo and Ti the EPA method always resulted in the lowest concentrations compared with the other methods, and As, Tl, and Pb sometimes resulted in the lowest concentrations. The other three leaching protocols resulted in similar dissolved ion concentrations.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,015
Tête enseignante GPT0,277
Écart entre enseignants0,263 · 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

Citations1
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil Engineering→Même sujetPetroleum Processing and Analysis→Travaux en français237 207→