MétaCan
Menu
Retour à la cohorte
Enregistrement W4381163703 · doi:10.32920/23542077.v1

Characterization of Valuable Materials from Incineration of Municipal Biosolid and Solid Waste Ash in Ontario: Assessing the Feasibility and Developing a Business Case for Recovery of Select Materials by Municipalities

2023· preprint· en· W4381163703 sur OpenAlexaffabout
Kevin Lucas

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueRecycling and utilization of industrial and municipal waste in materials production
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésIncinerationMunicipal solid wasteContext (archaeology)Waste managementIncinerator bottom ashLiberian dollarEnvironmental scienceBusinessBottom ashFly ashEngineeringFinanceGeography

Résumé

récupéré en direct d'OpenAlex

Waste materials generally have limited economic value and create an intricate burden for municipalities. Few studies have looked at the recycling potential that comes from complex matrices (i.e. residual ash) generated from the process of municipal waste incineration. The experiment details the methods for an assessment of the total recovery potential of metals from solid waste incineration facilities. This research combines ideas from environmental science, chemistry and policy management to provide analysis for municipalities. Analytical chemical analysis was performed to characterize the quantities of the identified metals over the entirety of the samples. Metal components were determined, and the dollar value of the material that is being disposed of after incineration, was calculated using the market values of the metals of economic interest. From the results presented in the study, a context specific cost benefit analysis was developed for dealing with ash samples from four facilities in southern Ontario.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,165
Score d'incertitude au seuil0,332

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
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 Opus0,103
Tête enseignante GPT0,312
Écart entre enseignants0,209 · 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'étudeObservationnel
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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRecycling and utilization of industrial and municipal waste in materials productionTravaux en français237 207