MétaCan
Menu
Retour à la cohorte
Enregistrement W2028094411 · doi:10.2166/wst.2013.823

Comparative study on membrane fouling between membrane-coupled moving bed biofilm reactor and conventional membrane bioreactor for municipal wastewater treatment

2013· article· en· W2028094411 sur OpenAlexaff
Wenbo Yang, Wajahat Syed, Haibo Zhou

Notice bibliographique

RevueWater Science & Technology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMoving bed biofilm reactorMembrane bioreactorMembrane foulingBioreactorFoulingMembrane reactorBiofoulingChemistryWastewaterMembraneExopolymerFiltration (mathematics)Pulp and paper industryBiofilmChromatographyChemical engineeringEnvironmental engineeringEnvironmental scienceEngineeringBacteriaBiology

Résumé

récupéré en direct d'OpenAlex

This study compared the performance between membrane-coupled moving bed biofilm reactor (M-MBBR) and a conventional membrane bioreactor (MBR) in parallel. Extensive tests were conducted in three pilot-scale experimental units over 6 months. Emphasis was placed on the factors that would affect the performance of membrane filtration. The results showed that the concentrations of soluble microbial product (SMP), colloidal total organic carbon and transparent exopolymer particles in the M-MBBR systems were not significantly different from those in the control MBR system. However, the fouling rates were much higher in the M-MBBR systems as compared to the conventional MBR systems. This indicates membrane fouling potential was related not only to the concentration of SMP, but also to their sources and characteristics. The addition of polyaluminum chloride could reduce the fouling rate of the moving bed biofilm reactor unit by 56.4-84.5% at various membrane fluxes.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,041
Tête enseignante GPT0,292
Écart entre enseignants0,251 · 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'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

Citations35
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetMembrane Separation TechnologiesTravaux en français237 207