MétaCan
Menu
Retour à la cohorte
Enregistrement W108869445 · doi:10.2166/wst.2005.0035

High-rate stormwater clarification with polymeric flocculant addition

2005· article· en· W108869445 sur OpenAlexafffundabout
John A. Wood, Conghui He, Quintin Rochfort, Jiří Maršálek, Peter Seto, Ming-jia Yang, P. Chessie, Sandra Kok

Notice bibliographique

RevueWater Science & Technology · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensToronto Public HealthEnvironment and Climate Change Canada
Organismes subventionnairesGovernment of Canada
Mots-clésClarifierStormwaterFlocculationEffluentSuspended solidsSurface runoffEnvironmental scienceEnvironmental engineeringWaste managementWastewaterEngineering

Résumé

récupéré en direct d'OpenAlex

Treatment of urban stormwater by clarification, with flocculant addition, was studied in Toronto, Canada using a pilot-scale clarifier with removable lamellar plates. Almost 90 stormwater runoff events were characterised at the study site and found fairly polluted. The previous research phase indicated good treatability of this stormwater by lamellar clarification with flocculant addition (total suspended solids, TSS, removal of 84%, at a surface load of 15 m/h), but there were concerns about cleaning plates after storm events. With the aid of numerical modelling, hydraulic improvements to the clarifier inlet zone were retrofitted in 2004 and permitted the removal of the lamellar pack without a loss in treatment efficiency. In the modified clarifier, a cationic polymeric flocculant dosage of 4 mg/L with conventional clarification provided a TSS removal of 77%, at surface loads up to 43 m/h. The use of the polymer did not increase the acute toxicity of the treated effluent. The clarifier sludge was severely polluted by several heavy metals and would require special disposal. The treatment process tested could be well applied in projects requiring intensive stormwater treatment at compact sites.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,134
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,004

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 Opus0,005
Tête enseignante GPT0,181
Écart entre enseignants0,177 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations11
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetUrban Stormwater Management SolutionsTravaux en français237 207