MétaCan
Menu
Retour à la cohorte
Enregistrement W1910370185 · doi:10.1139/l11-018

The effectiveness of slow sand filters to treat Canadian rural prairie water

2011· article· en· W1910370185 sur OpenAlexaffvenueabout
Ann M. Gottinger, Dena W. McMartin, Doug Price, Bruce C. Hanson

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésSlow sand filterEnvironmental scienceTurbidityWater qualityWater treatmentEnvironmental engineeringModular designPotable waterWaste managementEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

The following manuscript provides a technical review of slow sand filters (SSFs) as well as two case studies from the province of Saskatchewan, Canada in which an optimized technology has been successfully designed and implemented to produce high quality potable water for very small populations. Renewed interest in SSF systems for small communities has resulted in enhanced plant and filter design, improved operating procedures for increased efficiency and expanded range of acceptable raw water quality input and an overall low maintenance system design. Despite some limitations to the use of SSFs, recent design modifications and improvements for operation and maintenance of SSFs have expanded their application to a broader range of contaminants under highly variable environmental and operating conditions. The flexible and modular design options inherent to SSF systems, along with the modifications in expanded application, make SSFs highly attractive for potable water treatment in rural and remote regions. The SSFs designed and tested in Saskatchewan are modular polyethylene systems that include pre- and posttreatment processes such as ozone oxidation, roughing, and biological activated carbon (BAC) filters to provide significant reductions in turbidity, heavy metals, colour, and organics.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil0,766

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 GPT0,159
Écart entre enseignants0,152 · 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'étudeObservationnel
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

Citations40
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetUrban Stormwater Management SolutionsTravaux en français237 207