MétaCan
Menu
Retour à la cohorte
Enregistrement W1933214866 · doi:10.5539/mas.v9n12p154

Applicable VFCW Technology in Parallel with Biochar-Mixed Soils for Treating Formaldehyde in Ethylene Glycol Factory Wastewater

2015· article· en· W1933214866 sur OpenAlexvenueno aff
Watcharapong Wararam, Kasem Chunkao, Onanong Phewnil, Nipon Tangkananuruk, Kanita Tangkananuruk, Thanit Pattamapitoon, Chatri Nimpee, Charinthip Soeihom, Jirasak Peumsinb

Notice bibliographique

RevueModern Applied Science · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConstructed Wetlands for Wastewater Treatment
Établissements canadiensnon disponible
Organismes subventionnairesKasetsart University
Mots-clésBiocharWastewaterFormaldehydeEffluentChemistryCyperusEthylene glycolPulp and paper industryEnvironmental chemistryEnvironmental scienceEnvironmental engineeringAgronomyOrganic chemistryBiology

Résumé

récupéré en direct d'OpenAlex

The research is aimed to study on the applicability of VFCW technology by using Biochar-soil mixing as growing materials of Cyperus and Typha for treating wastewater containing formaldehyde as produced through the production processes of ethylene oxide and ethylene glycol that belonging to TOC Glycol Company inside Mabtaput Industrial Estate in Eastern Thailand. The results found that VFCW technology in form of small experimental unit of Lysimeter was applicable together with Cyperus Biochar:Soil Ratio of 1:50 and planting Cyperus. The application of formaldehyde wastewater flow rate 100 ml/min was shown highest potential for having breakthrough point at 20 liters, HRT 6.67 hours, formaldehyde effluent quality 1.03 mg/L (influent 20 mg/L) treatment efficiency 94.85% and encouraging the aquatic plants in highest numbers up to 140 stems of Cyperus as the same as more Pseudomonas sp. 1.8x105 CFU/g.soil for better decomposers of formaldehyde wastewater.

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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,224
Écart entre enseignants0,209 · 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetConstructed Wetlands for Wastewater TreatmentTravaux en français237 207