MétaCan
Menu
Retour à la cohorte
Enregistrement W3015749781 · doi:10.1080/17480930.2020.1743035

Coupled effect of sulphate and temperature on the reactivity of cemented tailings backfill

2020· article· en· W3015749781 sur OpenAlexaff
Zaid Aldhafeeri, Mamadou Fall

Notice bibliographique

RevueInternational Journal of Mining Reclamation and Environment · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPortland cementTailingsReactivity (psychology)Curing (chemistry)CementChemistryMicrostructureDurabilityMaterials scienceMetallurgyComposite material

Résumé

récupéré en direct d'OpenAlex

The reactivity of sulphidic cemented paste tailings (CPT) is an indicator which can be used to assess their environmental performance and durability. However, the reactivity is influenced by several factors either alone or in combination with other factors, such as temperature, curing time, and initial sulphate content. In this paper, the combined effect of the initial sulphate content and curing temperature on the reactivity of CPT is experimentally investigated with oxygen consumption (OC) tests. Microstructural analyses of the CPT samples are also performed to understand the impact of the microstructure of the CPTs on their reactivity. The results show that regardless of the binder type, the reactivity of the CPT system is significantly dependent on the curing temperature and initial sulphate content and their interaction. As curing temperature and sulphate concentration increase, the reactivity increases (except for the CPT samples with 5,000 ppm of sulphate). Moreover, the CPT sample with high contents of sulphate (25,000 ppm) and cured at 50°C has the highest reactivity regardless of the type of binder. The addition of mineral admixtures as a partial substitute for Portland cement also has a significant role in reducing the reactivity as compared to samples made only with Portland cement.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,165
Score d'incertitude au seuil0,175

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 Opus0,011
Tête enseignante GPT0,193
Écart entre enseignants0,182 · 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'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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mining Reclamation and EnvironmentMême sujetTailings Management and PropertiesTravaux en français237 207