MétaCan
Menu
Retour à la cohorte
Enregistrement W2000957007 · doi:10.2166/wst.2010.123

Treatment of kraft evaporator condensate using a thermophilic submerged anaerobic membrane bioreactor

2010· article· en· W2000957007 sur OpenAlexaff
Baoqiang Liao, Kun Xie, Hongjun Lin, Daniel Bertoldo

Notice bibliographique

RevueWater Science & Technology · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésMembrane foulingChemistryPulp and paper industryBioreactorBiogasFoulingEffluentKraft paperWaste managementAnaerobic digestionChemical oxygen demandMembrane bioreactorSewage treatmentMethaneEvaporatorMembraneOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

The feasibility of using a thermophilic submerged anaerobic membrane bioreactor (SAnMBR) for kraft evaporator condensate treatment was studied at 55+/-1 degrees C over 6.5 months. Under tested organic loading rate of 1-7 kg COD/m(3) day, a soluble COD removal efficiency of 85-97% was obtained. The methane production rate was 0.35+/-0.1 L methane/g COD and the produced biogas was of excellent fuel quality with 80-90% methane. A higher membrane fouling rate was related to the presence of a larger portion of fine colloidal particles (1-10 mum). The thermophilic SAnMBR was sensitive to the presence of toxic compounds in feed and unexpected pH probe failure (leading to a higher pH). Feed toxic shock caused sludge deflocculation and thus deteriorated membrane performance. Operating the reactor as a conventional anaerobic reactor to waste some of the fine flocs in treated effluent during the start-up process was an effective strategy to reduce membrane fouling. The experimental results from this study indicate that treatment of kraft evaporator condensate is feasible in terms of COD removal and biogas production using thermophilic SAnMBRs but pre-treatment may be needed to remove toxic sulfur compounds and membrane fouling caused by the large portion of fine particles may be a challenge.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,018
Tête enseignante GPT0,258
Écart entre enseignants0,241 · 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

Citations41
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetMembrane Separation TechnologiesTravaux en français237 207