MétaCan
Menu
Retour à la cohorte
Enregistrement W1995159338 · doi:10.2166/aqua.2008.038

Application of a multiphase CFD modelling approach to improve ozone residual monitoring and tracer testing strategies for full-scale drinking water ozone disinfection processes

2008· article· en· W1995159338 sur OpenAlexaffabout
Jianping Zhang, Peter M. Huck, G. D. Stubley, William B. Anderson

Notice bibliographique

RevueJournal of Water Supply Research and Technology—AQUA · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésOzoneTRACEREnvironmental scienceResidualFull scaleComputational fluid dynamicsScale (ratio)Waste managementProcess engineeringEngineeringComputer scienceMeteorologyAerospace engineering

Résumé

récupéré en direct d'OpenAlex

A multiphase computational fluid dynamics (CFD) model has been developed to address the major components of ozone disinfection processes: contactor hydraulics, ozone decay and mass transfer. The model was applied to simulate ozone profiles and tracer residence time distributions of ozone contactors at the DesBaillets Water Treatment Plant (WTP) in Montreal, Canada. The modelling results showed that ozone residuals at the cross-section of the outlet of each chamber in the ozone contactors were very sensitive to monitoring point selection. The optimum locations were significantly affected by multiple operational parameters including water/gas flow rates, ozone dosage and baffling conditions. The modelling results suggested that multiple monitoring points should be used to obtain more representative ozone residuals. The CFD model was also used to study the factors affecting tracer residence time distribution (RTD). It was observed that the method of tracer injection could slightly affect tracer RTD results while sampling location had a significant influence on tracer RTD prediction or measurement. Therefore, it is suggested that multiple sampling points should be employed during tracer tests if possible.

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)0,001
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 enseignants0,208
Score d'incertitude au seuil0,386

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,044
Tête enseignante GPT0,288
Écart entre enseignants0,244 · 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

Citations11
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Water Supply Research and Technology—AQUAMême sujetWater Treatment and DisinfectionTravaux en français237 207