MétaCan
Menu
Retour à la cohorte
Enregistrement W3014810731 · doi:10.3390/min10040317

Analysis of Kaolin Flocculation in Seawater by Optical Backscattering Measurements: Effect of Flocculant Management and Liquor Conditions

2020· article· en· W3014810731 sur OpenAlexaff
Ricardo I. Jeldres, Matías Jeldres, Michael R. MacIver, Marek Pawlik, Pedro Robles, Norman Toro

Notice bibliographique

RevueMinerals · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater flow and contamination studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesComisión Nacional de Investigación Científica y TecnológicaCentro de Recursos Hídricos para la Agricultura y la MineríaPontificia Universidad Católica de ValparaísoMinisterio de Educación, Gobierno de Chile
Mots-clésFlocculationSeawaterElectrolyteChemistryParticle sizeMineralogyCoagulationParticle aggregationAnalytical Chemistry (journal)Materials scienceEnvironmental chemistryGeologyNanoparticle

Résumé

récupéré en direct d'OpenAlex

Optical backscattering (OBS) signal values were used to evaluate the flocculation of kaolin slurries and seek the implications of using seawater. Two anionic flocculants were applied to kaolin suspensions at several dosages and in water of varying pH and electrolyte concentration. An OBS height scan method was used to estimate the degree of aggregation, supernatant quality, and solids concentration of the sediments. The residual solids of the supernatant depended of the extent of particle coagulation before flocculant was added, where the pH and salinity displayed a significant impact on flocculation. The OBS results were highly sensitive to the presence of fine particles, which was estimated in parallel from the focused beam reflectance measurements (FBRM.) In seawater, without flocculant added, the samples had increased root-mean-square scattering (Frms) values and larger final sediment volume than samples prepared in water with lower electrolyte concentration. This indicates a higher initial state of aggregation of the particles in seawater. Then, the aggregation degree was best linked to the square-weighted chord length distribution of the FBRM data, which intensifies the sensitivity to coarse aggregates.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,266
Score d'incertitude au seuil0,253

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 Opus0,017
Tête enseignante GPT0,246
Écart entre enseignants0,229 · 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'étudeObservationnel
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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetGroundwater flow and contamination studiesTravaux en français237 207