MétaCan
Menu
Retour à la cohorte
Enregistrement W3215322816 · doi:10.3390/min11121306

Incorporating Kinetic Modeling in the Development Stages of Hard Rock Mine Projects

2021· article· en· W3215322816 sur OpenAlexafffund
Youssef Toubri, Denys Vermette, Isabelle Demers, Nicholas Beier, Mostafa Benzaazoua

Notice bibliographique

RevueMinerals · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensUniversity of AlbertaUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Waterloo
Mots-clésWeatheringSilicateMineralGeochemical modelingSilicate mineralsLeachateClay mineralsGeologyCharacterization (materials science)MineralogyEnvironmental scienceGeochemistryEnvironmental chemistryChemistryChemical engineeringGroundwaterMaterials scienceGeotechnical engineeringMetallurgyEngineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

Weathering cell test, designed specifically to overcome material-limited constraints, yields prompt and efficient experimental assessment during the development stages of mining projects. However, it has barely benefited from geochemical modeling tools despite their ease of use. Accordingly, this paper aims to strengthen the upstream geochemical assessment via parametric analysis that simulates the effect of various mineral assemblages on leachate quality recovered from weathering cells. The main objective is to simulate the pH in presence of silicate neutralizing minerals and Mn release from carbonates based upon minimal characterization data. The public domain code PHREEQC was used for geochemical kinetic modeling of four weathering cells. The kinetic model utilized a water film concept to simulate diffusion of chemical elements from mineral surfaces to the pore water. The obtained results suggest that the presence of the silicate neutralizing minerals slightly affects the Mn release from carbonates. Furthermore, plagioclases could supply a significant neutralization potential when they predominate the mineral assemblage. Finally, coupling weathering cell test and parametric analyses illuminate the pH evolution for various mineral proportion scenarios.

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 enseignants0,034
Score d'incertitude au seuil0,214

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 Opus0,040
Tête enseignante GPT0,257
Écart entre enseignants0,217 · 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

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetMine drainage and remediation techniquesTravaux en français237 207