Carbon injection to support in‐situ smoldering remediation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Per‐ and polyfluoroalkyl substances (PFAS) are a group of anthropogenic contaminants that are receiving increasing concern due to their associated negative health effects. The properties of PFAS result in their persistence and stability, which present challenges for remediation. Activated carbon is currently the most widely used method for PFAS treatment since carbon microparticle injection can be used for in‐situ treatment; however, this method does not result in PFAS destruction. Thermal treatment is a promising posttreatment method that can be used with activated carbon as long as sufficient PFAS‐destroying temperatures are achieved (>900°C). A promising in‐situ thermal treatment technology is Self‐Sustaining Treatment for Active Remediation (STAR), which uses smoldering combustion to destroy organic contaminants embedded within a porous matrix. This study investigates carbon injection to support STAR for the treatment of PFAS. Four solutions were used (1) 17% colloidal activated carbon (CAC); (2) 23% CAC; (3) 17% powdered activated carbon (PAC); and, (4) 23% PAC. Smoldering temperatures greater than the required PFAS destruction temperature were reached if 50 g carbon/kg sand was achieved for injection and soil‐mixing delivery methods. Moreover, emulsified vegetable oil (EVO) was a successful secondary surrogate fuel to enhance smoldering temperatures when supplied at a quantity less than or equal to carbon microparticles. These findings present the necessary intermediate laboratory work to evaluate methods that will achieve PFAS treatment through STAR when applied in the field.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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