Optimization of liquid state bioconversion process for microbial treatment of domestic wastewater sludge
Notice bibliographique
Résumé
The evaluation of cheap carbon sources (co-substrate) and process conditions for microbial treatment of domestic wastewater sludge (DWS) was investigated using a liquid state bioconversion (LSB) laboratory scale process. Six cheap carbon sources were used: wheat flour (WF), rice flour (RF), corn flour (CF), sago starch (SS), cassava starch (CS), and commercial sugar (S). Process conditions such as co-substrate(s) concentration, temperature, initial pH, and inoculum size were optimized in terms of dry filter cake (DFC) production, removal of total suspended solids (TSS), turbidity (optical density against distilled water, 660 nm), and chemical oxygen demand (COD) in supernatant. The results obtained indicated that sludge containing wheat flour as a carbon source was a better co-substrate for microbial growth, with significant utilization for minimizing the dissolved and suspended materials in sludge. The optimized parameters for fungal treatment of DWS obtained were 1.52% (w/w) of WF concentration, temperature of 3335°C, initial pH of 4.55.5, and inoculum size of 23% v/w. Effective results for optimum values were recoded at 4 d of microbial treatment.Key words: liquid state bioconversion, domestic wastewater sludge, process conditions, cheap carbon sources, microbial treatment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».