MétaCan
Menu
Retour à la cohorte
Enregistrement W1777638749 · doi:10.1139/s05-032

Biological treatment of oily wastewater from gas stations by membrane bioreactor

2006· article· en· W1777638749 sur OpenAlexvenueno aff
P T Tri, C. Visvanathan, Veeriah Jegatheesan

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWastewaterMembrane foulingMembrane bioreactorBioreactorHydraulic retention timePulp and paper industryEnvironmental scienceActivated sludgeSeparator (oil production)Activated carbonFoulingPowdered activated carbon treatmentWaste managementChemistryAdsorptionEnvironmental engineeringMembraneEngineering

Résumé

récupéré en direct d'OpenAlex

In many Asian countries, rapid industrialization and urbanization has led to an increased number of cars, making wastewater from gas stations an important issue of concern in urban environment. This wastewater is characterized by high concentration of oil–water emulsion, which cannot be effectively removed by a conventional gravity separator. An experimental investigation on the treatability of oily wastewater from gas stations using a membrane bioreactor (MBR) system revealed that MBR system could achieve good removal efficiency with stability against shock loading. Optimum operating conditions were found to be at a hydraulic retention time of 4 h and an oil-loading rate of 1.8 kg oil m –3 ·d –1 . It was anticipated that adding powdered activated carbon (PAC) in the MBR could help to adsorb the oils. However, operating the MBR with only microbial flocs has an advantage over adding PAC particles into the MBR, since the former condition could provide a prolonged cycle of filtration with a relatively lesser increase in transmembrane pressure. Key words: activated sludge process, membrane bioreactor, membrane fouling, oily wastewater, powdered activated carbon, transmembrane pressure.

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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,067
Score d'incertitude au seuil0,317

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,191
Écart entre enseignants0,183 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations13
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetMembrane Separation TechnologiesTravaux en français237 207