Migration Behavior Of Light Non Aqueous Phase Liquid (Lnapl) At Unsaturated Zone Due To Precipitation And Fluctuating Groundwater Table
Notice bibliographique
Résumé
Oil spill from petroleum products in the underground can be very problematic. Initially, it is released as LNAPL in the form of gasoline, diesel fuel, lube oils and other petroleum products. It causes contamination to the soil. As a result, remedial work has to be done to retrieve the oil spill to clear the contaminated soil and groundwater. Thus, the oil spill pattern has to be predicted. The purpose of the study was to conduct an experimental model to find out the effect of precipitation and fluctuating groundwater table towards the migration behaviour of LNAPL. SIAM was adopted to access the saturation distribution of LNAPL and water in the 2D water tank. The precipitation was simulated by a valve and peristaltic pump to provide a constant rainfall rate of 8mm/hr throughout the one hour of stipulated time. The result was then analysed and assessed by using MATLAB and Microsoft Excel to get a more thorough understanding about the data collected. From the experiment, it can be concluded that the saturation of soil will increase an average of 36.9% after one hour of 8mm/hr precipitation. The presence rainfall after the LNAPL has been stabilised at the water table will cause the LNAPL to migrate deeper into the soil layer. When the water table increases from 28cm to 38cm, the LNAPL will be pushed upwards, causes an increase of LNAPL saturation in the unsaturated zone. Then, when the water table returns to normal, most of the LNAPL saturation will decrease. However, part of the LNAPL pool remains in the unsaturated zone causes a smear zone. In conclusion, SIAM shows the migration behaviour of LNAPL and water in a two-dimensional tank effectively.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».