MétaCan
Menu
Retour à la cohorte
Enregistrement W1801256887 · doi:10.1139/s03-013

Improved sludge dewatering by addition of electro-osmosis to belt filter press

2003· article· en· W1801256887 sur OpenAlexvenueno aff
Sunju Hwang

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDewateringPulp and paper industryBackwashingOsmosisFilter (signal processing)Water treatmentChemistryFilter cakeEnvironmental scienceWaste managementSewage treatmentFilter pressEnvironmental engineeringMembraneEngineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Gravity-thickened sludge (GTS) and anaerobically-digested sludge (ADS) from a wastewater treatment plant and sludge from drying bed (DBS) from a water treatment plant were dewatered using the pilot-scale electro-osmotic belt filter press (EBFP). The results indicated that the addition of electro-osmosis greatly improved sludge dewaterability, lowering water content (WC) and heavy metal concentration, and increasing heating value. For instance, EBFP produced 56.0% WC for GTS, 58.4% for ADS, and 69.6% for DBS when current density was 41.1, 42.1, and 17.9 A/m2, respectively, and a cationic coagulant was dosed at 0.36% on dried solid, 0.46%, and 0.19%, respectively. Without the addition of electricity, the system achieved only 74.3% WC for GTS, 72.8% for ADS, and 74.7% for DBS. Therefore, EBFP would produce a proper cake WC by simply controlling the current density, depending on the destination of dewatered cake such as land application, compost, or incineration. Key words: belt filter press, cake, electro-osmosis, heating value, heavy metal concentration, water content.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,003
Tête enseignante GPT0,165
Écart entre enseignants0,161 · 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'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

Citations27
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetWastewater Treatment and ReuseTravaux en français237 207