MétaCan
Menu
Retour à la cohorte
Enregistrement W4231298454 · doi:10.32920/ryerson.14665527

Landfill gas extraction and purification technologies

2021· preprint· en· W4231298454 sur OpenAlexaff
Valeriy Bekmuradov

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueLandfill Environmental Impact Studies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLandfill gasExtraction (chemistry)Greenhouse gasWaste managementEngineeringMethaneEnvironmental scienceEnvironmental engineeringMunicipal solid wasteChemistry

Résumé

récupéré en direct d'OpenAlex

The extraction and purification technologies of landfill gas (LFG) from municipal waste continue to generate strong environmental concerns. Historically, the focus of these concerns was an odour in the immediate region of the landfill and the risk of explosions in structures caused by the movement of LFG through soil. While these are still important environmental issues, health risks associated with volatile organic compounds in LFG and damage to the atmosphere through the emission of greenhouse and ozone depleting gases, have also become prominent issues. The primary objective of this project is to study and examine LFG generation, extraction and purification technologies. Composition of LFG and gas extraction processes is analyzed. Comprehensive literature review of different models for LFG generation rate is provided. The study of LFG extraction and collection systems including design considerations and gas capture schemes are examined. Complete analysis of current purification processes of LFG along with upgrading techniques of methane to bio-methane are carried out. Discussion and recommendation on gas purification methods are conducted relevantly with certain type of LFG composition, level treatment required, quality of LFG anticipated, and its final application. Accurate portrayals of prior and current LFG extraction and purification technologies will advance the knowledge used to select appropriate waste management and reduction strategies in future.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,232 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLandfill Environmental Impact StudiesTravaux en français237 207