MétaCan
Menu
Retour à la cohorte
Enregistrement W119887708 · doi:10.2175/106143007x156817

Wastewater Disinfection by Peracetic Acid: Assessment of Models for Tracking Residual Measurements and Inactivation

2007· article· en· W119887708 sur OpenAlexaff
Domenico Santoro, Ronald Gehr, Timothy A. Bartrand, L. Liberti, Michele Notarnicola, Adele Dell’Erba, Dario Falsanisi, Charles N. Haas

Notice bibliographique

RevueWater Environment Research · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensMcGill UniversityTrojan Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésPeracetic acidDisinfectantWastewaterChlorineEffluentChemistryPulp and paper industryWater treatmentWater disinfectionSewage treatmentEnvironmental scienceEnvironmental chemistryWaste managementBiochemical engineeringEnvironmental engineeringHydrogen peroxideEngineeringBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

With its potential for low (if any) disinfection byproduct formation and easy retrofit for chlorine contactors, peracetic acid (PAA) or use of PAA in combination with other disinfectant technologies may be an attractive alternative to chlorine-based disinfection. Examples of systems that might benefit from use of PAA are water reuse schemes or plants discharging to sensitive receiving water bodies. Though PAA is in use in numerous wastewater treatment plants in Europe, its chemical kinetics, microbial inactivation rates, and mode of action against microorganisms are not thoroughly understood. This paper presents results from experimental studies of PAA demand, PAA decay, and microbial inactivation, with a complementary modeling analysis. Model results are used to evaluate techniques for measurement of PAA concentration and to develop hypotheses regarding the mode of action of PAA in bacterial inactivation. Kinetic and microbial inactivation rate data were collected for typical wastewaters and may be useful for engineers in evaluating whether to convert from chlorine to PAA disinfection.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
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 Opus0,090
Tête enseignante GPT0,348
Écart entre enseignants0,257 · 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'étudeSimulation ou modélisation
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

Citations67
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetWater Treatment and DisinfectionTravaux en français237 207