Characterization of hydraulically reversible and irreversible fouling species in ultrafiltration drinking water treatment systems using fluorescence EEM and LC–OCD measurements
Notice bibliographique
Résumé
The application of the fluorescence excitation-emission matrix (EEM) approach and liquid chromatography–organic carbon detection (LC–OCD) analysis for the characterization of hydraulically reversible and irreversible fouling species, extracted from hollow fiber ultrafiltration (UF) membranes used in drinking water treatment, was demonstrated. Hydraulically reversible and irreversible fouling species were extracted from two pilot UF membrane systems operated in parallel with lake water as the feed. Two membrane cleaning protocols, hydraulic- and chemical-based (NaOCl and citric acid) cleaning, were considered. Colloidal/particulate matter together with protein-like and metal species in water appeared to contribute to the formation of a hydraulically removable fouling layer on the membranes. Hydraulically irreversible fouling, in contrast, was impacted considerably by humic substances (HS) and protein-like matter. The formation of an irreversible fouling layer was also likely influenced by interactions between the colloidal/particulate matter and metal species together with HS and protein-like matter. LC–OCD analysis revealed the presence of predominant levels of lower molecular weight HS-like matter – compared to the HS-like matter commonly present in lake water – in the citric acid extracted foulant fraction. The permeability loss due to hydraulically irreversible UF fouling was considerably greater than the permeability loss due to hydraulically reversible UF fouling. A permanent permeability loss (∼25–35% of the initial permeability) was present even after the application of considerably strong chemical cleaning protocols on both pilot systems. This study indicated that the fluorescence EEM approach can be applied for monitoring and characterization of membrane cleaning procedures and as a potential diagnostic tool for assessing the effectiveness of hydraulic- and chemical-based cleaning protocols employed in UF drinking water treatment operations using rapid off-line measurements. On the other hand, since the LC–OCD analysis technique is a comparatively time consuming method, it may be used for verification of the fluorescence EEM-based results of the foulant fractions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».