MétaCan
Menu
Retour à la cohorte
Enregistrement W4293255354 · doi:10.1109/tia.2022.3152713

Electrochemical Oxidation of Ammonia-Laden Wastewater in the Mining Industry

2022· article· en· W4293255354 sur OpenAlexaff
Essam S. Elsahwi, Conrad E. Hopp, F.P. Dawson, Harry E. Ruda, Donald W. Kirk

Notice bibliographique

RevueIEEE Transactions on Industry Applications · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEffluentAmmoniaWastewaterSewage treatmentWaste managementEnvironmental scienceChemistryEnvironmental engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Ammonia is a common contaminant in municipalities where human waste causes nitrification of local water bodies. In mining, ammonia contamination occurs as a byproduct of biological water treatment, from the use of ammonium nitrate fuel oil in explosives, and from the exposure of ammonia rich soils during the excavation process. In particular, gold mine effluent represents a significant source of ammonia and nitrogen-based contaminants. Current biological and abiotic treatment processes are difficult to employ at the scale required at mine sites due to the high operating costs, or are limited in effectiveness due to a lack of natural resources required to facilitate the treatment. This article evaluates the use of electrooxidation as a cost effective alternative to treating ammonia-laden wastewater in mining applications. Two mixed metal oxide electrodes are assessed in this article: IrO<inline-formula><tex-math notation="LaTeX">$_{2}$</tex-math></inline-formula>/Ti and RuO<inline-formula><tex-math notation="LaTeX">$_{2}$</tex-math></inline-formula>/Ti anodes. A Monte Carlo simulation is performed to determine a probabilistic range of capital and operating expenditure for a mining operation deploying an electrooxidation wastewater treatment system. The lowest capital cost of operating the electrochemical treatment occurs at a current density of 200 A/m<inline-formula><tex-math notation="LaTeX">$^{2}$</tex-math></inline-formula>, where the number of cells required for treatment is minimized.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,248
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,248
Écart entre enseignants0,234 · 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.

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 revueIEEE Transactions on Industry ApplicationsMême sujetAdvanced oxidation water treatmentTravaux en français237 207