Prediction of Organic Pollutants Transfers in Contaminated Soils Using an In-House Thermodynamic Calculator
Notice bibliographique
Résumé
Regulations are becoming stricter and stricter regarding soil pollutions. At the same time the amount of money available to investigate the risks associated with soil pollutions remains limited. This paper proposes to investigate the transfer of pollutants by means of a quick running numerical tool. Indeed, this numerical tool based on equations of state has been developed to compute vapor-liquid or vapour-liquid-liquid thermodynamic equilibrium as a function of temperature and pressure. It has been specifically adapted for the study of organic pollutants in contaminated soils. This tool requires chemical information from the contaminated soil sample as input data. The soil must therefore be analysed to determine its characteristics and the total concentrations of pollutants. This information is used to calculate the overall mole fractions (zi) of each pollutant in the contaminated soil. These mole fractions are thus the input data for the numerical tool to perform the components or pollutants distribution calculation. The results of this tool, which is called Transfero-Pol, therefore depend on the input data obtained from the analysis of the contaminated soil. These results make it possible to understand the long-term distribution of pollutants within the different phases of the soil as a function of temperature. In this paper, the theory behind the numerical tool Transfero-Pol is derived. A case study is thus presented to assess the results from Transfero-Pol by comparing them to the outputs of a commercial software.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».