MétaCan
Menu
Retour à la cohorte
Enregistrement W2018505673 · doi:10.1680/jees.13.00012

Modelling headloss and two-step denitrification in a full-scale wastewater post-denitrifying biofiltration plant

2014· article· en· W2018505673 sur OpenAlexaffvenue
Jean Bernier, Vincent Rocher, Paul Lessard

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésDenitrificationEnvironmental scienceEffluentEnvironmental engineeringBiofilterWastewaterDenitrifying bacteriaSewage treatmentNitriteFull scalePopulationPulp and paper industryEnvironmental chemistryWaste managementChemistryEcologyNitrateEngineeringNitrogenBiology

Résumé

récupéré en direct d'OpenAlex

The NO3−/NO2− removal and headloss evolution behaviour of a post-denitrification wastewater biofiltration stage using methanol as an external carbon source was modelled. Three datasets collected on different time scales and at different locations on a full-size plant from the Paris conurbation (800 000 population equivalent) were used in this study. The model was first calibrated on a short-term experiment, during which a shift in the methanol to NOX ratio was imposed at the influent of a treatment lane. Measurements were taken at different frequencies at the effluent as well as at different heights inside the media bed. The model was then used on a 240-day period in 2008 to simulate the behaviour of the whole denitrification stage. Results were good overall for most simulated variables, although nitrite was overestimated for the long-term dataset. Results showed that the model is highly sensitive to variations on the amounts of methanol injected during treatment, especially regarding nitrite and headloss.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 GPT0,180
Écart entre enseignants0,174 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207