Preventive control of odor emissions through manipulation of operational parameters during the active phase of composting
Notice bibliographique
Résumé
Better understanding of the effects of key operational parameters or environmental factors on odor emission is of critical importance for minimizing the generation of composting odors. A series of laboratory experiments was conducted to examine the effects of various operating conditions on odor emissions. The results revealed that airflow rates that were too high or too low could result in higher total odor emissions. An optimal flowrate for odor control would be approximately 0.6 L/min.kg dry matter with intermittent aeration and a duty cycle of 33%. Temperature setpoint at 60 degrees C appeared to be a turning point for odor emission. Below this point, odor emissions increased with increasing temperature setpoint; conversely, odor emissions decreased with increasing temperature setpoint above this point. With regard to the composting material properties, odor emissions were greatly affected by the initial moisture content of feedstock. Both peak odor concentration and emission rate generally increased with higher initial moisture content. Odor emission was significant only at moisture levels higher than 65%. An initial moisture level below 45% is not recommended due to concern with the resulting lower degree of biodegradation. Biodegradable volatile solids content (BVS) of feedstock had pronounced effect on odor emissions. Peak odor concentration and emission rate increased dramatically as BVS increased from 45% to 65%, thus, total odor emission increased exponentially with BVS.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».