Exploring uncertainty in thermodynamic modeling of the lead carbonate aqueous system
Notice bibliographique
Résumé
Abstract Thermodynamic models of the lead carbonate aqueous system have been used in prior studies to evaluate the effect of water chemistry on lead solubility and corrosion scale composition in water distribution systems. A common challenge in these studies is uncertainty arising from the thermodynamic equilibrium constants (logK values) used to parameterize the models. The objective of this study is to evaluate the way in which uncertainty in logK values propagates through thermodynamic models of the lead carbonate system and provide guidance for future modeling efforts. This was done by conducting a full factorial statistical analysis implemented using a custom Python (v3) code coupled with a PHREEQC (v1.4.2) geochemical model, along with batch lead solubility experiments. Two lead carbonate solid phases (cerussite and hydrocerussite) and nine aqueous lead complexes are considered in the geochemical model with conditions simulated ranging from pH 4 to 11 and dissolved inorganic carbon (DIC) ranging from 0 to 250 mg C/L. Main effect analysis indicates that model uncertainty is predominately associated with logK values for five species (in order of decreasing effect): hydrocerussite, , cerussite, PbOH+, and PbCO3o, with model uncertainty varying depending on the specific pH and DIC conditions simulated. Interaction effects show that logK values cannot be selected independently, as their influence on lead solubility is connected. Finally, by considering uncertainty in logK values it was possible for the thermodynamic model to match batch hydrocerussite solubility experimental data over a range of pH and DIC conditions. Six combinations of logK values that provided a good match between the simulated and experimental data were determined with the average difference between the simulated and experimental lead concentrations calculated to be 0.031 mg/L when the recommended logK value combination was used.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».