MétaCan
Menu
Retour à la cohorte
Enregistrement W2025156709 · doi:10.1080/09593332808618860

COMBINING ULTRAFILTRATION PROCESS WITH COAGULATION PRETREATMENT FOR PULP MILL WASTEWATER TREATMENT

2007· article· en· W2025156709 sur OpenAlexaff
Young-Ho Hong, Haibo Zhou, Richard G. Zytner

Notice bibliographique

RevueEnvironmental Technology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésUltrafiltration (renal)Pulp and paper industryPaper millCoagulationWastewaterPulp (tooth)EffluentPulp millWaste managementSewage treatmentEnvironmental scienceProcess (computing)ChemistryEngineeringChromatographyComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Ultrafiltration combined with coagulation pretreatment was used to treat two kraft pulp mill wastewaters from first-stage caustic extraction and alkaline bleaching operations, respectively. Both alum and ferric chloride were tested using standard jar apparatus at different dose, pH and ionic strength conditions. Ultrafiltration tests were conducted using a crossflow flat-sheet membrane apparatus operated in the constant transmembrane pressure mode to examine the effects of membrane material, crossflow velocity and transmembrane pressure in terms of permeate flux and treated effluent quality. The results showed that coagulation with both alum and ferric chloride greatly reduced the permeate flux decline rates. In comparison with alum, greater permeate fluxes were obtained with the use of ferric chloride. Among the process parameters examined, coagulant dose was identified as the most important factor affecting the permeate flux. In addition, colour and COD removals were achieved largely by coagulation for alkaline bleaching wastewater while by membrane filtration for caustic extraction wastewater, highlighting the different mechanisms underlying contaminant 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 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 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 enseignants0,276
Score d'incertitude au seuil0,898

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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.

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

Citations16
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetMembrane Separation TechnologiesTravaux en français237 207