MétaCan
Menu
Retour à la cohorte
Enregistrement W6944999101 · doi:10.22034/ap.2022.1960859.1131

Investigation of wet spraying system to control dust pollution in mines (A case study )

2023· article· en· W6944999101 sur OpenAlexaff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueOccupational and environmental lung diseases
Établissements canadiensIron Ore Company (Canada)
Organismes subventionnairesnon disponible
Mots-clésCrusherPelletizingIron oreDust controlPollutionSmelting

Résumé

récupéré en direct d'OpenAlex

Industrial dust has a significant effect on the environment of mines, which leads to an increase in illness among workers. To decrease the impact of dust on the climate, a wet spraying system is useful for controlling dust in mining companies. In this paper, by using the wet (water) spraying system, dust control in the area of the crusher and pellet plant (discharge tower) has been investigated by Goharzamin Iron Ore company. Goharzamin Iron Ore company has an essential role producing of steel in Iran. There are a 15 million tons gyratory crusher, three iron concentrate plants with an annual capacity of 6 million tons, and a pelletizing plant with annual capacity of 5 million tons. The dust was controlled in the gyratory crusher area of Goharzamin Iron Ore company by using a wetting spraying system. Results showed that the rates of PM10 for the east, west, north and south sides of the gyratory crusher and also the center of this system are equal 851.2, 647.5, 643.9 and 781.2, and 1116.3 μg/m3, respectively. Foremore, after turning on the wet spraying system in this area, these values are reduced to 128.3, 112.8, 115.9, 123.7, and 189.9 μg/m3, respectively. The results showed that the water spray system in the gyratory crusher area reduced the PM2.5 (Particulate matter) and PM10 particles by 67% and 80%, respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,229
Tête enseignante GPT0,522
Écart entre enseignants0,292 · 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 source (Gemma direct ou Codex distillé), 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 revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetOccupational and environmental lung diseasesTravaux en français237 207