Assessing irreversible fouling behavior of membrane foulants in the ultrafiltration of natural water using principal component analysis of fluorescence excitation-emission matrices
Notice bibliographique
Résumé
Natural river water is comprised of different foulant components such as natural organic matter and colloidal/particulate matter. Both individual and combined contributions of these foulant components results in different fouling behaviour. The ability to characterize these contributions that lead to reversible and irreversible membrane fouling would be beneficial for the implementation of fouling monitoring and control strategies for membrane-based drinking water treatment operations. A fluorescence excitation-emission matrix and principal component analysis-based approach was able to qualitatively estimate the accumulation of humic substances (HS)-, protein- and colloidal/particulate matter-like foulant components in membranes during the ultrafiltration (UF) of natural river water. A bench-scale flat sheet UF cross-flow set-up and successive permeation and membrane backwashing cycles were used. Analysis of the accumulation of these foulant components revealed that the increased levels of colloidal/particulate matter accumulation in the membranes appeared to have increased the extent of irreversible fouling by HS-like matter whereas lower irreversible fouling by protein-like matter was observed with increased colloidal/particulate matter accumulation. The results also indicate that the combined contributions by these foulants are important in the fouling of membranes during the UF of river water.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».