MétaCan
Menu
Retour à la cohorte
Enregistrement W4220923916 · doi:10.1016/j.scitotenv.2022.154804

O3/H2O2 and UV-C light irradiation treatment of oil sands process water

2022· article· en· W4220923916 sur OpenAlexaff
Hande Demir-Duz, Leónidas Pérez-Estrada, Mayra G. Álvarez, Mohamed Gamal El‐Din, Sandra Contreras

Notice bibliographique

RevueThe Science of The Total Environment · 2022
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOil sandsMineralization (soil science)Hydrogen peroxideEffluentOzoneEnvironmental chemistryChemistryDissolved organic carbonProduced waterPulp and paper industryChemical oxygen demandAdvanced oxidation processEnvironmental scienceEnvironmental engineeringWastewaterAsphaltNitrogenOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The oil sands industry generates large volumes of oil sands process water (OSPW). There is an urgent need for OSPW treatment to reduce process water inventories and to support current reclamation approaches. This study discusses how efficient ozone (O3)-based combined advanced oxidation processes (AOPs), including hydrogen peroxide (H2O2) and UV-C, are at achieving mineralization while reducing the toxicity arising from such organic components as naphthenic acids (NAs) in OSPW. The results showed that the dissolved organic carbon (DOC) removals of 45%, 84%, 84% and 98%, obtained after 90-min treatments with O3, O3/H2O2, UVC/O3 and UVC/O3/H2O2, respectively, at a production rate of 6 g/L·h O3 were considerably higher than at lower O3 production rates. The acute toxicity on Vibrio fischeri was significantly reduced by all the treatments, which explains the high percentages of NA removal (up to 99% as confirmed by UPLC-QTOF-HRMS.) Mineralization (expressed as DOC removal) was highest with UVC/O3/H2O2 at ca. 2 mg C/L in the treated effluent, which means that it could be used as cooling/boiling process water in bitumen upgrading units. However, considering the energy demand of the treatments tested, the treatment using O3/H2O2 was found to be the most realistic for large-scale applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0020,000

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 GPT0,198
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), 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

Citations17
Publié2022
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Science of The Total EnvironmentMême sujetPetroleum Processing and AnalysisTravaux en français237 207