MétaCan
Menu
Retour à la cohorte
Enregistrement W1994197114 · doi:10.1002/jctb.1679

Assessing chemical oxygen demand and nitrogen conversions in a multi‐stage activated sludge plant with alternating aeration

2007· article· en· W1994197114 sur OpenAlexaff
Paul Lessard, Marie‐Hélène Tusseau‐Vuillemin, A. Héduit, Fabienne Lagarde

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAnoxic watersAerationActivated sludgeChemical oxygen demandDenitrificationMass transferNitrogenChemistryActivated sludge modelEnvironmental engineeringMixed liquor suspended solidsEnvironmental scienceWaste managementOxygenPulp and paper industrySewage treatmentEnvironmental chemistryEngineeringChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract This paper provides a detailed investigation of the mass transfers involved in chemical oxygen demand (COD) and N removal in an intermittent aeration activated sludge plant, as described by the widely used ASM1 model. The model was calibrated and validated on a data set obtained during three intensive sampling campaigns. The mass transfers of COD and nitrogen were calculated with the calibrated model for every biodegradable variable of the model in each tank of the biological treatment. Only by making this balance can evaluation of the contribution of each reactor (anaerobic, anoxic and intermittently aerated) to carbon and nitrogen removal be done. It was pointed out that in such a plant (activated sludge under very low organic mass loading (F/M) ratios, sludge retention time of 30 days) operating at 20 °C, the contribution of the anoxic tank in the denitrification process is very low (only 17%). The oxygen transfer in this tank was also estimated and found partly responsible for the low denitrification efficiency. Copyright © 2007 Society of Chemical Industry

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 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 enseignants0,045
Score d'incertitude au seuil0,665

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,259
Écart entre enseignants0,242 · 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.

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

Citations7
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207