MétaCan
Menu
Retour à la cohorte
Enregistrement W4385835065 · doi:10.1021/acs.energyfuels.3c01253

Volatilization of Potentially Harmful Trace Elements in Coal Pyrite during Heat Treatment in a Tube Furnace at 573–1473 K

2023· article· en· W4385835065 sur OpenAlexaff
Xiaoshuai Wang, Tengda Ma, Yuegang Tang, Rajender Gupta, Harold H. Schobert

Notice bibliographique

RevueEnergy & Fuels · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoal and Its By-products
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésVolatilisationPyriteVolatility (finance)CoalTube furnaceChemistryVolatilesTrace elementCombustionMetallurgyEnvironmental chemistryMineralogyMaterials science

Résumé

récupéré en direct d'OpenAlex

Some potentially harmful trace elements, such as Sb, As, and Hg, are usually associated with pyrite in coals and can be threats to the environment and human health. In this study, the release of 12 selected elements generally associated with pyrite was investigated during heat treatment in a tube furnace to access their behavior during combustion. FactSage has been used to calculate their behavior with the increase in temperature. Nickel, Cu, Zn, Cr, and Cd are more enriched in the samples containing syngenetic pyrite than in other samples. Other elements are generally more enriched in the samples containing epigenetic pyrite than in other samples. The volatilization of elements with a very high volatility, such as Hg and As, was complete at high temperatures in most samples. For other most elements in this study, the volatilization of a specific element in different samples is generally different. During heat treatment, the selected elements, according to their volatilization, can be classified into three groups: low, medium, or high volatility. At the conditions of this study, the volatilization of trace elements is influenced strongly by their inherent volatility, moderately by their modes of occurrence, and weakly by the pyrite types. The volatility-based behavior of the selected trace elements in FactSage calculation is generally consistent with their classification during heat treatment.

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 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 enseignants0,045
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 recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,214
Écart entre enseignants0,199 · 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.

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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetCoal and Its By-productsTravaux en français237 207