MétaCan
Menu
Retour à la cohorte
Enregistrement W2004236399 · doi:10.2166/wst.2008.022

Effects of various process parameters on struvite precipitation kinetics and subsequent determination of rate constants

2008· article· en· W2004236399 sur OpenAlexaff
Md. Saifur Rahaman, Naoko Ellis, D. S. Mavinic

Notice bibliographique

RevueWater Science & Technology · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSupersaturationStruviteChemistryPrecipitationKineticsSeedingReaction rate constantKinetic energyAnalytical Chemistry (journal)PhosphorusMixing (physics)ThermodynamicsChromatographyMeteorology

Résumé

récupéré en direct d'OpenAlex

In this paper, struvite (MgNH(4)PO(4).6H(2)O) precipitation kinetics were studied with different operating conditions (varying supersaturation, pH, Mg:P ratio, degree of mixing and seeding conditions) and relevant rate constants were determined by fitting a slightly modified first-order kinetic model to the experimental data obtained. The rate of change of ortho-P concentration in the bulk solutions increases with increasing supersaturation ratio. The estimated rate constants are 2.034, 1.716 and 0.690 hr(-1) for the supersaturation ratio of 9.64, 4.83, and 2.44, respectively. Kinetic parameters were also evaluated for the Mg:P ratio between the ranges of 1.0 and 1.6, indicating higher phosphorus removal efficiency with increasing Mg:P ratio. The rate constants were found to be 0.942, 2.034 and 2.712 hr(-1) for Mg:P ratios of 1.0, 1.3 and 1.6, respectively. The experimental observations for kinetic study of struvite precipitation with different stirrer speeds clearly show that the mixing intensity used had little effect on the intrinsic rate constants. K values found to be 2.034 and 1.902 h(-1) for 100 and 70 rpm, respectively. Seeding, with 250-500 microm of seed crystals during the struvite precipitation kinetics test, was found to have very little effect on the ortho-P removal.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,216
Écart entre enseignants0,209 · 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

Citations127
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetPhosphorus and nutrient managementTravaux en français237 207