MétaCan
Menu
Retour à la cohorte
Enregistrement W4206241682 · doi:10.1139/cjce-2021-0240

Effects of microbially induced carbonate precipitation on diffuse double layer and particle fabric of oil sands fine tailings

2022· article· en· W4206241682 sur OpenAlexvenueno aff
Qianwen Liu, Brina M. Montoya

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Applications in Construction Materials
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Electrical, Communications and Cyber SystemsDivision of Civil, Mechanical and Manufacturing InnovationNorth Carolina State UniversityNational Science Foundation
Mots-clésCarbonateFlocculationPrecipitationTailingsDewateringCalcium carbonateMineralogyCarbonate mineralsParticle (ecology)Particle sizeGeologyChemical engineeringMaterials scienceChemistryComposite materialGeotechnical engineeringMetallurgy

Résumé

récupéré en direct d'OpenAlex

Microbially induced carbonate precipitation (MICP) is a sustainable biological process that catalyzes carbonate mineral precipitation within geomaterials. This study evaluates the performance and mechanisms of the MICP treatment for flocculating the oil sands fine tailings (FT). Column tests showed that the untreated FT did not decant during the 31 days. However, the MICP technique shortened the dewatering process. To elucidate the mechanisms of the MICP-induced flocculation of the FT, the diffuse double layer (DDL) thickness and microstructure of the specimens were evaluated. Three chemical equilibrium scenarios that gradually considered the MICP-biochemical reactions were explored to analyze the change of the DDL thickness. The results showed that increasing of ionic strength by urea hydrolysis decreased the DDL thickness. The fabric observation indicated that the specimens with the most calcium carbonate precipitation had the densest fabric. In summary, the MICP technique densified the fabric of FT via the ureolysis process and precipitating minerals.

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 enseignants0,036
Score d'incertitude au seuil0,349

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 Opus0,006
Tête enseignante GPT0,183
Écart entre enseignants0,176 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetMicrobial Applications in Construction MaterialsTravaux en français237 207