MétaCan
Menu
Retour à la cohorte
Enregistrement W2033261489 · doi:10.2166/wst.2011.753

Increased biogas production in a wastewater treatment plant by anaerobic co-digestion of fruit and vegetable waste and sewer sludge – A full scale study

2011· article· en· W2033261489 sur OpenAlexaff
Nathan D. Park, Ronald W. Thring, Randy P. Garton, Michael P. Rutherford, Steve S. Helle

Notice bibliographique

RevueWater Science & Technology · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensPositive Living NorthUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiogasWaste managementAnaerobic digestionAlkalinityWastewaterBiodegradable wasteEnvironmental scienceOrganic matterSewage treatmentHydraulic retention timeGreen wasteWaste treatmentMunicipal solid wastePulp and paper industryMethaneChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Anaerobic digestion is a well established technology for the reduction of organic matter and stabilization of wastewater. Biogas, a mixture of methane and carbon dioxide, is produced as a useful by-product of the process. Current solid waste management at the city of Prince George is focused on disposal of waste and not on energy recovery. Co-digestion of fresh fruit and vegetable waste with sewer sludge can improve biogas yield by increasing the load of biodegradable material. A six week full-scale project co-digesting almost 15,000 kg of supermarket waste was completed. Average daily biogas production was found to be significantly higher than in previous years. Digester operation remained stable over the course of the study as indicated by the consistently low volatile acids-to-alkalinity ratio. Undigested organic material was visible in centrifuged sludge suggesting that the waste should have been added to the primary digester to prevent short circuiting and to increase the hydraulic retention time of the freshly added waste.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

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 technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,203
Écart entre enseignants0,192 · 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'étudeObservationnel
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

Citations44
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207