MétaCan
Menu
Retour à la cohorte
Enregistrement W3215875791 · doi:10.3390/min11121311

Detoxification of Arsenic-Containing Copper Smelting Dust by Electrochemical Advanced Oxidation Technology

2021· article· en· W3215875791 sur OpenAlexaff
Meng Li, Junfan Yuan, Bingbing Liu, Hao Du, David Dreisinger, Yijun Cao, Guihong Han

Notice bibliographique

RevueMinerals · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueArsenic contamination and mitigation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésArsenicLeaching (pedology)ElectrochemistryCopperAntimonyMunicipal solid wasteMetallurgySmeltingWaste managementChemistryMaterials scienceEnvironmental chemistryEnvironmental scienceElectrode

Résumé

récupéré en direct d'OpenAlex

A large amount of arsenic-containing solid waste is produced in the metallurgical process of heavy nonferrous metals (copper, lead, and zinc). The landfill disposal of these arsenic-containing solid waste will cause serious environmental problems and endanger people’s health. An electrochemical advanced oxidation experiment was carried out with the cathode modified by adding carbon black and polytetrafluoroethylene (PTFE) emulsion. The removal rate of arsenic using advanced electrochemical oxidation with the modified cathode in 75 g/L NaOH at 25 °C for 90 min reached 98.4%, which was significantly higher than 80.69% of the alkaline leaching arsenic removal process. The use of electrochemical advanced oxidation technology can efficiently deal with the problem of arsenic-containing toxic solid waste, considered as a cleaner and efficient method.

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 enseignants0,017
Score d'incertitude au seuil0,706

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,229
Écart entre enseignants0,223 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetArsenic contamination and mitigationTravaux en français237 207