Evaluation of the flocculation and dewatering performance of dual polymers for treating oil sands tailings
Notice bibliographique
Résumé
Abstract Mature fine tailings produced in the processing of oil sands create serious water‐recovery problems; thus, it is important to characterize them and to improve the applicable dewatering technologies. Existing methods to dewater the tailings are found to be insufficient. Previous research has demonstrated that the addition of dual polymers is more efficient than using a single polymer to flocculate the fine tailings particles. Different from studies that took sophisticated procedures to assess the flocculation and dewatering efficiency of dual polymers, readily available and simple but effective experiments were conducted in this work. Evaluations were conducted with dual polymers comprised of low molecular weight poly(diallydimethylammonium chloride) (polyDADMAC) and high molecular weight cationic or anionic polyacrylamide (PAM). Turbidity and residual solids measurements for dewatered tailings treated with these polymers confirmed that the dual‐polymer approach yield superior performance compared to either polymer functioning alone. Zeta potential and microscopic observations indicated that the dosages of polyDADMAC and PAM that lead to near charge neutralization of the system result in maximal performance. We hypothesize that when dual polymers are added to the tailings, polyDADMAC acts to neutralize the charge and destabilize the fine particles, while high molecular weight PAM, either cationic or anionic, acts to aggregate the destabilized fines by the bridging mechanism. PolyDADMAC forms weak and tiny flocs when mixed with tailings particles. Cationic PAM transforms these small flocs into much larger ones, while anionic PAM connects them into aggregates. Therefore, synergism exists between polyDADMAC and PAM but this synergism is different, based on the charge of the PAM.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».