MétaCan
Menu
Retour à la cohorte
Enregistrement W4410452314 · doi:10.1016/j.jece.2025.117131

Value adding to acid mine drainage: Synthesis of high purity alumina and recovery of gypsum

2025· article· en· W4410452314 sur OpenAlexfundno aff
Cameron J. Johnston, Rachel A. Pepper, David M. Hunter, Wayde N. Martens, Sara J. Couperthwaite

Notice bibliographique

RevueJournal of environmental chemical engineering · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensnon disponible
Organismes subventionnairesDepartment for Industry and SkillsQueensland University of TechnologyInnovative Manufacturing CRCCanadian Anesthesia Research FoundationDepartment of Natural Resources
Mots-clésGypsumAcid mine drainageValue (mathematics)DrainageEnvironmental scienceWaste managementMineralogyGeologyMetallurgyMaterials scienceEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

With the depletion of natural resources, research into the recovery of valuable materials from various mine wastes is increasing. Reprocessing of mine waste provides an avenue to generate new revenue streams while alleviating pressure on storage requirements and reducing the environmental impact of the mining operation. The presented research demonstrates the recovery and synthesis high purity gypsum and high purity alumina (HPA) from acid mine drainage via lime precipitation, acid extraction and crystallisation. Acid mine drainage (pH 3.62) was neutralised using lime to two different pH targets of 6.5 and 8.5, the upper and lower limits of the ANZECC guidelines for agricultural and livestock water. The lime precipitation residue was washed using 20% hydrochloric acid (HCl), followed by water, to produce a gypsum product with a purity of 99.9 wt.%. Leachates produced from this stage were sparged with gaseous hydrogen chloride to precipitate aluminium chloride hexahydrate (ACH). To improve the purity of ACH the crystals were redissolved and recrystallised a further two times prior to thermal decomposition at 1200 o C to produce an α-alumina with a purity of 99.99 wt%.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,463

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)0,0000,000

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 Opus0,002
Tête enseignante GPT0,181
Écart entre enseignants0,178 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of environmental chemical engineeringMême sujetMine drainage and remediation techniquesTravaux en français237 207