MétaCan
Menu
Retour à la cohorte
Enregistrement W1988918683 · doi:10.1061/(asce)0733-9372(2007)133:5(515)

Impacts of Hydrophilic Membrane Additives on the Ultrafiltration of River Water

2007· article· en· W1988918683 sur OpenAlexafffund
A. Nguyen, Roberto Narbaitz, Takeshi Matsuura

Notice bibliographique

RevueJournal of Environmental Engineering · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Research Council Canada
Mots-clésMembraneUltrafiltration (renal)FoulingContact anglePermeationChemical engineeringMembrane foulingWater treatmentSurface modificationBiofoulingChemistryMaterials scienceChromatographyEnvironmental engineeringEnvironmental science

Résumé

récupéré en direct d'OpenAlex

One of the most serious disadvantages of membrane applications in water treatment is the decreasing water permeation rate with time, which is often called fouling. This study investigates surface modification of polyethersulfone (PES) ultrafiltration membranes as a fouling reduction strategy for drinking water treatment applications. Surface modification was achieved through the addition of three different tailor-made hydrophilic surface modifying macromolecules (LSMM200, LSMM400, and LSMM600). Flat sheet membranes were prepared via a single-step casting procedure; their surface hydrophilicity was quantified via contact angle measurements. The incorporation of hydrophilic additives produced slightly more hydrophilic membranes (contact angle reduction of up to 8°) and improved membrane performance compared with the PES membrane without blending. In the treatment of highly colored river water, LSMM400- and LSMM600-modified membranes achieved up to 32% higher final fluxes. Surface modification resulted in significantly decreased flux reductions and natural organic matter accumulation. Dissolved organic carbon removals were approximately 70% for all the membranes studied. No clear correlation between membrane hydrophilicity and fouling reduction was observed.

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)0,0010,000
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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,189
Écart entre enseignants0,184 · 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

Citations21
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental EngineeringMême sujetMembrane Separation TechnologiesTravaux en français237 207