STARx Hottpad for smoldering treatment of waste oil sludge: Proof of concept and sensitivity to key design parameters
Notice bibliographique
Résumé
Growing stockpiles of waste oil sludge (WOS) are an outstanding problem worldwide. Self-sustaining Treatment for Active Remediation applied ex situ (STARx) is a treatment technology based on smoldering combustion. Pilot-scale experiments for the STARx Hottpad prove this new concept for the mobile treatment of WOS mixed intentionally with sand or contaminated soil. The experiments also allowed for the calibration and validation of a smoldering propagation numerical model. The model was used to systematically explore the sensitivity of Hottpad performance to system design, operational parameters, and environmental factors. Pilot-scale (~1.5 m width) simulations investigated sensitivity to injected air flux, WOS saturation, heterogeneity of intrinsic permeability, and heterogeneity of WOS saturation. Results reveal that Hottpad design is predicted to be successful for WOS treatment across a wide range of scenarios. The operator can control the rate of WOS destruction and extent of treatment by increasing the air flux injected into the bed. The potential for smoldering channeling to develop was demonstrated for the first time. Under certain conditions, such as WOS saturations of 80%, high heterogeneity of WOS saturations, or moderate to high heterogeneity of soil permeability, smoldering channeling was predicted to accelerate to the point that remedial performance was degraded. Field-scale simulations (~10 m width) predicted successful treatment, with WOS destruction rates an order of magnitude higher than the pilot-scale and treatment times increasing only linearly with bed height. This work is a key step toward the design and effective operation of field STARx Hottpad systems for eliminating WOS.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».