MétaCan
Menu
Retour à la cohorte
Enregistrement W2014569321 · doi:10.1080/10643380600678146

Anaerobic Membrane Bioreactors: Applications and Research Directions

2006· article· en· W2014569321 sur OpenAlexaff
Baoqiang Liao, Jeremy Kraemer, David M. Bagley

Notice bibliographique

RevueCritical Reviews in Environmental Science and Technology · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of TorontoLakehead University
Organismes subventionnairesnon disponible
Mots-clésBioreactorBiochemical engineeringAnaerobic exerciseMembraneChemistryEnvironmental scienceProcess engineeringBiotechnologyBiologyEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

Membranes provide exceptional suspended solids removal and complete biomass retention that can improve the biological treatment process, but their commercial application to anaerobic treatment has been limited. This review summarizes the state of the art with respect to anaerobic membrane bioreactors (AnMBRs), determines the types of wastewaters for which AnMBRs would be best suited, and identifies the research required to increase implementation. AnMBRs have been tested with synthetic, food processing, industrial, high solids content, and municipal wastewaters at laboratory, pilot, and full scale. Chemical oxygen demand removal ranges from 56% to 99%, while the reported design membrane fluxes range from 10 to 40 L/m2/h. AnMBRs should be immediately applicable to highly concentrated, particulate waste streams like municipal sludges where the membrane can decouple the solids and hydraulic retention times. Opportunity for application to dilute wastewaters also appears strong, while application to highly concentrated soluble wastewaters is likely limited. Greater assessment of vacuum-driven immersed membranes, combining external or immersed membranes with retained biomass reactor designs, control of membrane fouling, and economic feasibility are the key research areas to be addressed.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,027
Tête enseignante GPT0,335
Écart entre enseignants0,308 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations426
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Environmental Science and TechnologyMême sujetMembrane Separation TechnologiesTravaux en français237 207