MétaCan
Menu
Retour à la cohorte
Enregistrement W2005528065 · doi:10.1080/09593332208618208

Nutrient Removal with Methanol as a Carbon Source Full-Scale Continuous Inflow SBR Application

2001· article· en· W2005528065 sur OpenAlexaboutno aff
Heesung Lee, John A. Brereton, D. S. Mavinic, R. A. Fiorante, W. K. Oldham, J. K. Paisley

Notice bibliographique

RevueEnvironmental Technology · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDenitrificationMethanolPhosphorusEnvironmental engineeringCarbon fibersEnvironmental scienceNitrogenPulp and paper industryWastewaterSettlingSewage treatmentChemistryWaste managementInflowSequencing batch reactorCarbon sourceMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Methanol was applied to a full-scale continuous inflow SBR, as a carbon source for denitrification and possible phosphorus removal. This research was conducted at the District of Kent Wastewater Treatment Plant in Agassiz, British Columbia, Canada. This plant employs two SBR's working in parallel; one unit was used as a control, without the addition of methanol. There was no difference in the overall total nitrogen removal efficiency through methanol addition, however,the additional carbon source significantly shortened the denitrification reaction time in the existing reactor. The high nitrogen removal efficiency, with or without methanol addition, was primarily due to the advantages provided by continuous-flow SBR carbon loading. The phosphorus removal efficiency in the experimental SBR was also consistently higher than in the control SBR. The solids production from methanol addition wa s estimated to vary between 0.18 and 0.29gVSS/gCH3OH. Methanol addition also had an influence on the settling qualities of the sludge.

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 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 enseignants0,207
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)0,0010,001

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 Opus0,003
Tête enseignante GPT0,178
Écart entre enseignants0,176 · 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.

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

Citations4
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207