MétaCan
Menu
Retour à la cohorte
Enregistrement W1999276374 · doi:10.1080/09593331003743112

Autotrophic nitrogen‐removing biofilms on porous and non‐porous membranes

2010· article· en· W1999276374 sur OpenAlexaff
Dominika Celmer‐Repin, Jong Hyuk Hwang, Nazim Çiçek, Jan A. Oleszkiewicz

Notice bibliographique

RevueEnvironmental Technology · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAutotrophDenitrificationNitrificationMembraneBiomass (ecology)WastewaterNitrateChemistryNitrogenSewage treatmentBiofilmBiofoulingChemical engineeringEnvironmental engineeringPulp and paper industryEnvironmental scienceEcologyOrganic chemistryBacteriaBiology

Résumé

récupéré en direct d'OpenAlex

The effective removal of nitrogen compounds from wastewater has become a critical issue for treatment plants as the awareness of their negative impact on the environment increased. Autotrophic nitrogen removal has become an interesting alternative to the more conventional heterotrophic processes, as it eliminates the need for an organic carbon addition to the source water and reduces biomass yields. Gas transfer membrane biofilm reactors (MBfR) for nitrification and hydrogen driven denitrification are of special interest as they combine membrane diffusers and biofilms, provide an efficient supply of necessary electron donor for autotrophic removal of ammonia and nitrate, extend solids retention times and retain biomass within the reactor. Subsequently, a wide range of MBfR, which vary based on the type of membrane material and membrane module configuration, are being tested for this purpose. This paper reviews the research to date and also discusses the challenges that still lay ahead before MBfR can be used at treatment plants.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,068
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,004
Tête enseignante GPT0,183
Écart entre enseignants0,179 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations17
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207