MétaCan
Menu
Retour à la cohorte
Enregistrement W1974548318 · doi:10.2166/wst.2010.276

Improving the performance of membrane bioreactors by powdered activated carbon dosing with cost considerations

2010· article· en· W1974548318 sur OpenAlexaff
W. Yang, Michelle Paetkau

Notice bibliographique

RevueWater Science & Technology · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMembrane foulingDosingPowdered activated carbon treatmentMembrane bioreactorChemistryMembraneBioreactorExtracellular polymeric substanceChromatographyActivated carbonMembrane reactorFoulingActivated sludgePulp and paper industryWastewaterEnvironmental engineeringEnvironmental scienceAdsorptionBiochemistryOrganic chemistryBiology

Résumé

récupéré en direct d'OpenAlex

Effects of powdered activated carbon (PAC) dosing on the overall performance of membrane bioreactors (MBR) were investigated in two bench-scale submerged MBRs. Positive impacts of PAC dosing on membrane fouling and the removal of 17beta-estradiol (E2) and 17alpha-ethyinylestradiol (EE2) were demonstrated over a six-month stable operational period. PAC dosing in the MBR increased the removal rates of E2 and EE2 by 3.4% and 15.8%, respectively. The average soluble extracellular polymeric substances (EPS) and colloidal total organic carbon (TOC) concentrations in the PAC-MBR sludge was 60.1% and 61.8% lower than the control MBR sludge, respectively. Lower soluble EPS and colloidal TOC concentrations in the PAC-MBR sludge resulted in a slower rate of trans-membrane pressure (TMP) increase during MBRs operation, which could prolong the lifespan of membranes. Cost assessment showed that PAC dosing could reduce the operating cost for membrane cleaning and/or membrane replacement by about 25%. The operating cost for PAC dosing could be offset by the benefit from its reducing the cost for membrane maintenance.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,008
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,006
Communication savante0,0000,000
Science ouverte0,0010,000
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 GPT0,209
Écart entre enseignants0,202 · 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.

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

Citations26
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetMembrane Separation TechnologiesTravaux en français237 207