Electrodialytic extraction of copper, lead and zinc from sulfide mine tailings: Optimization of current density and operation time
Notice bibliographique
Résumé
• Cu, Pb and Zn were electrodialytic extracted from two sulfide mine tailings. • Up to 97 % Pb, 88 % Zn and 70 % Cu were extracted but differed among tailings. • Mine tailing material and metal characteristics controlled the extraction. • These affected the operation time and current density of the electrodialysis. Re-mining unextracted metals from mine tailings can contribute to sustaining society’s high demand for metals. Electrodialysis (ED) is a promising, yet underdeveloped, extraction technology for mobilizing and transporting particle-bound elements in a suspension slurry. This study investigated ED for extraction of copper (Cu), lead (Pb) and zinc (Zn) from Cu mine tailings (concentration of Cu: 2039 mg/kg, feldspar-dominant) and Pb-Zn mine tailings (Pb: 4469 mg/kg, Zn: 19417 mg/kg, dolomite-dominant). A multivariate experimental design was used to examine the effect of varying current density (1–5 mA/cm 2 ) and operation time (24–336 h) of 40 bench-scale experiments. The maximum extractions obtained were 70 % Cu from the Cu mine tailings and 97 % Pb and 88 % Zn from the Pb-Zn mine tailings. Depending on the tailing, the extraction was influenced differently by current density and operation time. In particular, carbonate minerals such as dolomite and calcite delayed acidification and thus the extraction due to their buffering capacity. However, as the carbonaceous tailings contained a larger proportion of soluble metals, likely to be bound in the carbonates themselves, overall higher metal extraction was obtained from these. Thresholds above, for which the increase of current densities did not increase extraction, were observed at 2 and 4 mA/cm 2 for the Cu and Pb-Zn tailings, respectively. The solubility of the remaining metals in the treated tailings increased significantly due to acidification by the EDR process and utilization of the treated tailings in construction materials therefore needs further investigation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».