MétaCan
Menu
← Retour à la cohorte
Enregistrement W856463103 · doi:10.1520/stp104202

Study of Leachability of Heavy Metals from Zinc Flotation Plant Tailings Dam Sediments

2012· book-chapter· en· W856463103 sur OpenAlexaff
Ahmad Khodadadi Darban, Maryam Marzban, Raymond N. Yong, S. J. Koleini, Abbas Ali Khodadadi

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTailingsGeologyHeavy metalsTailings damMining engineeringZincEnvironmental scienceGeochemistryMetallurgyEnvironmental chemistryChemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

The risk of soil, surface, and ground water contamination by toxic metals leached from mineral processing plants' solid waste is a major environmental concern. In this research the most important factors that affect the leachability of toxic heavy metals from the sediment of a tailing dam in a zinc flotation plant in the city of Arak in central Iran have been studied. The leachability of heavy metals such as Zn, Cd, and Pb were examined. Potential leachability, defined as the maximum metal pool that may become available for leaching at a constant pH decreased in the following order: Pb < Zn < Cd. The results indicated that the highest risk of leachability in Pb and Cd were obtained when the pH in the input solution was 5 while for the Zn the highest mobility was at a pH of 7. The experimental results were statistically analyzed using Statistical Package for Social Sciences (SPSS 15) software. The results of SPSS software indicated that the Zn and Cd removal times were the most effective parameters in the leachability of toxic metals from the sediment. The results of the model also indicated that flow rate, acid concentration and time have little effect on the removal of Pb from sediments in the range of experimental data.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,034
Tête enseignante GPT0,253
Écart entre enseignants0,218 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeavy metals in environment→Travaux en français237 207→