MétaCan
Menu
Retour à la cohorte
Enregistrement W4391217995 · doi:10.1021/acs.energyfuels.3c02496

Assessing the Depositional Environment of Cretaceous Ge-Rich Coals in the Wulantuga Mine, Shengli Coalfield, Northeastern China

2024· article· en· W4391217995 sur OpenAlexaff
Xiaoshuai Wang, Yifan Chen, Yuegang Tang, Rajender Gupta, Harold H. Schobert, James C. Hower, Longyi Shao, Tengda Ma

Notice bibliographique

RevueEnergy & Fuels · 2024
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-clésSedimentary depositional environmentSwampMaceralPeatCoalMireFaciesGeologyCoal miningGeochemistryEcosystemMarshEcological successionCretaceousMining engineeringWetlandPaleontologyPetrographyChemistryEcologyGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

To provide a new perspective on the formation of the Ge-rich coals, the depositional environment of the Wulantuga coals was studied with the incorporation of coal maceral and geochemistry-based indicators. The results show that the No.6 coal seam in the Wulantuga mine was formed in a mire with a succession of swamps, fens, and marsh. The average contents of Ge in coals formed in different mires, from high to low, are swamp (220 μg/g), marsh (205 μg/g), and fen (185 μg/g). The accumulation of the No.6 seam has been divided into four stages from bottom to top based on the identified coal facies types. The reducing condition and gelification of the ecosystem environment ranged from strong to weak, to strong, and back to weak. The variation of Ge concentrations also occurs in the same way. Strong reduction and gelification of the ecosystem environments can favor Ge enrichments in the Wulantuga coals. Sufficient sources and favorable conditions are essential for the unusual Ge enrichments in coals. This study provides a new perspective for the depositional environment of Ge-rich coals and is useful for the exploration of Ge-rich coal resources.

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 enseignants0,446
Score d'incertitude au seuil0,730

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,014
Tête enseignante GPT0,217
Écart entre enseignants0,203 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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