Navigating the depths of refuse-derived fuel in Canada: From heterogeneity to insightful analysis
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
Refuse-derived fuel (RDF) presents inherent heterogeneity, encompassing diverse physical and chemical compositions. This study aims to comprehensively investigate the thermogravimetric characteristics of key RDF fractions and compare them with RDF compositions from Canada and other countries. A representative RDF sample was obtained using three ASTM standard procedures, including the quartering technique, manual sorting, and laboratory preparation. Five major RDF fractions – cardboard (46%), mixed papers (17%), mixed plastics (19%), other organics (3%), and fines (13%) – were manually separated and subjected to cryogenic grinding for characterization analysis. Thermogravimetric characterization at 20°C/min in a nitrogen atmosphere, along with proximate/ultimate analysis and heating value measurements, revealed significant variability in decomposition behavior. DTG analysis showed that LDPE exhibited the highest thermal stability, which peaks at 483.6°C, whereas cardboard and mixed paper underwent single-step decomposition, peaks at 361.4°C, and 359.3°C, respectively. In contrast, mixed plastics, other organics, fines, and raw RDF displayed complex, multi-step decomposition behaviors, underscoring the heterogeneous nature of RDF and informing thermal processing optimization. The Canadian RDF sample showed notably higher cardboard 45% and fines content 13% compared to other studies from different countries averaged 25% cardboard, and 8% fines. Additionally, sorting a 2 kg representative sample required 5 man-hours per kilogram, highlighting the labor-intensive nature of the process.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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