MétaCan
Menu
Retour à la cohorte
Enregistrement W2033320077 · doi:10.2166/wst.2009.592

Modelling using rRNA-structured biomass models

2009· article· en· W2033320077 sur OpenAlexafffund
B. Lavallée, Dominic Frigon, Paul Lessard, Peter A. Vanrolleghem, Zhiguo Yuan, Mark C.M. van Loosdrecht

Notice bibliographique

RevueWater Science & Technology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensMcGill UniversityUniversité Laval
Organismes subventionnairesCanada Research Chairs
Mots-clésBiomass (ecology)Biochemical engineeringBiological systemActivated sludgeFunction (biology)Flux (metallurgy)AutocatalysisProcess (computing)Substrate (aquarium)Component (thermodynamics)LagProcess engineeringEnvironmental scienceComputational biologyComputer scienceChemistryBiologyEcologyEngineeringEnvironmental engineeringCell biologyBiochemistrySewage treatmentThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Models currently used have been developed to describe the storage response in the activated sludge process. In these models the distribution of the substrate flux between growth and storage is an empirical function. rRNA-structured biomass models are proposed to describe the metabolic status of cells in view of predicting the growth response (dmicro/dt) of cells in activated sludge process. The autocatalytic reaction rate of the synthesis of the PSS component (rRNA) can provide a mechanistic explanation for the growth response and the growth lag phase. The proposed models were able to describe and predict properly the growth response of the biomass in various types of reactor. Such models could be more widely applicable by using intrinsic model parameters. This would be a key improvement for as it would lead to improved models for design.

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 enseignants0,237
Score d'incertitude au seuil0,541

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,021
Tête enseignante GPT0,227
Écart entre enseignants0,206 · 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

Citations4
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207