MétaCan
Menu
Retour à la cohorte
Enregistrement W4256727545 · doi:10.46873/2300-3960.1154

The effect of electro-activation and eggshell powder on the neutralization of acid mine drainage

2021· article· en· W4256727545 sur OpenAlexaff
Alexey Kastyuchik, Antoine Karam, Mohammed Aïder

Notice bibliographique

RevueJournal of Sustainable Mining · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAcid mine drainageNeutralizationSulfideSulfide mineralsPrecipitationChemistryMetalDrainageMetallurgyInorganic chemistryEnvironmental chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

Acid mine drainage (AMD) production by sulfide mine tailing (SMT) is a major environmental preoccupation because it can degrade water surface quality on account of its strong acidity and advanced content of sulfide, iron (Fe) and other metals and metalloids. Acid neutralization and the precipitation of metals present in AMD were carried out by electro-activation with ion-exchange membranes, which is based on the self-generation of necessary conditions for acid neutralization and metal precipitation. The treatment of SMT was carried out by using an electro-activation cell generated alkaline solution in the cathode compartment. After 60 min of electro-activation, a pHcatholyte of 7.9–9.6, depending on the experimental conditions, was obtained. The absence of Fe and other trace metal ions in the catholyte provide evidence that the electro-activation of SMT promotes the precipitation of insoluble trace metals in the cathode compartment. This approach can be applied to real conditions in combination with a pretreatment of SMT neutralization, in which biological calcareous amendments are available. Finally, the electro-activation technology of acid mine drainage may be a feasible, cost-effective approach for SMT neutralization because it focuses on sustainable development.

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable MiningMême sujetMine drainage and remediation techniquesTravaux en français237 207