MétaCan
Menu
Retour à la cohorte
Enregistrement W2010036089 · doi:10.1002/aic.14271

Optimal design of split partial second pass reverse osmosis network for desalination applications

2013· article· en· W2010036089 sur OpenAlexaff
Yousef Saif, Ali Almansoori, Ali Elkamel

Notice bibliographique

RevueAIChE Journal · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésReverse osmosisDesalinationExtraction (chemistry)PermeationProcess engineeringEngineeringPressure vesselChemistryMechanical engineeringMembraneChromatography

Résumé

récupéré en direct d'OpenAlex

Reverse osmosis (RO) network design problem is presented in this study for seawater desalination. The RO pressure vessel is multiple spiral wound modules connected in series. We exploit in this study the RO pressure vessel operation by considering stream property variations within the pressure vessel itself. The design problem allows extraction of high‐quality permeates from different locations along the pressure vessel length. Superstructure optimization is adopted to model the RO network in order to find: (1) optimal arrangement of the process units, (2) optimal permeate extraction locations, and (3) production of several permeate streams with different qualities. Several case studies are presented to show the applications of the proposed mathematical programming model. In general, lower treatment cost and higher permeate recovery can be achieved by allowing permeate extraction streams from the RO pressure vessels. © 2013 American Institute of Chemical Engineers AIChE J 60: 520–532, 2014

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,394
Score d'incertitude au seuil0,998

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,254
Écart entre enseignants0,231 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetMembrane Separation TechnologiesTravaux en français237 207