MétaCan
Menu
Retour à la cohorte
Enregistrement W3015338952 · doi:10.1139/cgj-2019-0851

Numerical modeling of clogging of landfill leachate collection systems with co-disposal of municipal solid waste (MSW) and incinerator ash

2020· article· en· W3015338952 sur OpenAlexafffundvenue
Yu Yan, R. Kerry Rowe

Notice bibliographique

RevueCanadian Geotechnical Journal · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandfill Environmental Impact Studies
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLeachateCloggingMunicipal solid wasteHydraulic conductivityWaste managementIncinerationService lifeEnvironmental scienceEnvironmental engineeringWaste disposalGeotechnical engineeringEngineeringSoil waterSoil science

Résumé

récupéré en direct d'OpenAlex

The influence of co-disposal of municipal solid waste (MSW) and incinerator ash used as daily cover on the clogging of leachate collection systems (LCSs) from landfills is examined. The “BioClog” model is used to simulate the fate and transport of the nine leachate constituents most responsible for clogging the LCSs as they move through the porous media. It then calculates the thicknesses of five films that attach to the porous media and the effect of this clog mass–volume on the porosity and hydraulic conductivity of the granular material. Then it models the consequent growth in the leachate mound with increasing clog mass over time until the service life of the LCS is reached. The modeling shows that the concentrated source of leachable minerals in the incinerator ash accelerates the clogging rate and reduces the service life of the LCSs compared to inert daily cover. If an LCS is not designed to accommodate these higher concentrations of cations in the influent leachate during the landfill operating period, the ash can significantly reduce the LCS service life. Means of extending LCS service life are discussed. A practical technique is also utilized to estimate the service life of LCSs with conservative and reasonable agreement with BioClog.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,972

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 Opus0,016
Tête enseignante GPT0,223
Écart entre enseignants0,207 · 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'étudeSimulation ou modélisation
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
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetLandfill Environmental Impact StudiesTravaux en français237 207