MétaCan
Menu
Retour à la cohorte
Enregistrement W1916034952 · doi:10.1139/l10-055

Use of carbon dioxide stripping for struvite crystallization to save caustic dosage: performance at pilotscale operationPaper submitted to the Journal of Environmental Engineering and Science.

2010· article· en· W1916034952 sur OpenAlexafffundvenueabout
Kazi Parvez Fattah, Y. Zhang, D. S. Mavinic, Frank-Thomas Koch

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensOstara Nutrient Recovery Technologies (Canada)University of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStruviteStripping (fiber)EffluentWaste managementPulp and paper industryCaustic (mathematics)WastewaterCarbon dioxideEnvironmental scienceChemistryAir strippingSewage treatmentMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The feasibility of stripping CO2 from anaerobic digester centrate (generated in a sludge dewatering process) to raise pH, and therefore reduce the cost of caustic chemical(s) dosage for similar operation in a struvite-recovery system, was investigated. A cascade CO2 stripper was installed in a pilot-scale, struvite-recovery reactor system at the Lulu Island Wastewater Treatment Plant, Richmond, British Columbia, Canada, as a replacement of part of (about 1/3) the reactor downpipe. Centrate was used as the process feed. Both the influent and the effluent from the struvite reactor were analyzed for pH, temperature (°C), and concentrations of Mg, NH4-N, and PO4-P. Results indicated that, by adding the CO2 stripper, caustic chemical savings was as much as 46%–65%. Moreover, because of the capability of the stripper in providing a more gradual pH increase, fewer fine solids were produced in the reactor than when caustic solution was used to raise the pH of the reactor.

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)0,001
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,006
Tête enseignante GPT0,164
Écart entre enseignants0,158 · 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

Citations17
Publié2010
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetPhosphorus and nutrient managementTravaux en français237 207