MétaCan
Menu
Retour à la cohorte
Enregistrement W2033863671 · doi:10.1139/s02-025

Slow sand filtration for small water systems

2002· article· en· W2033863671 sur OpenAlexvenueno aff
Gary S. Logsdon, Roger W. Kohne, Stefanie Abel, Shawn LaBonde

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Sediment Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSlow sand filterFiltration (mathematics)Filter (signal processing)Environmental scienceSand filterContaminationEnvironmental engineeringWater treatmentComputer scienceEcologyWastewater

Résumé

récupéré en direct d'OpenAlex

For over 150 years, slow sand filters have been an effective means of treating water for control of microbiological contaminants. Slow sand filters do not need constant operator attention, making them an appropriate technology for water systems that are small or that employ part-time operators. During the 1970s through the 1990s, research and field evaluations of slow sand filtration have demonstrated its efficacy for control of microbiological contaminants that were unknown in the 1800s. In addition, pretreatment processes such as roughing filters and pre-ozonation have been developed or adapted for use with slow sand filters, increasing the range of source waters that can be treated and the number of contaminants that can be removed in slow sand filters. Inclusion of a layer of granular-activated carbon in a slow sand filter bed has improved capability for control of synthetic organic chemicals. This paper reviews design concepts and process capabilities for slow sand filters and discusses recent innovations in slow sand filter design that now enable this technology to be applied more widely than would have been appropriate two decades ago. Key words: slow sand filter, design, operation and maintenance, microbiological contaminants, small systems, pretreatment.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,006
Tête enseignante GPT0,151
Écart entre enseignants0,145 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations111
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetEnvironmental and Sediment ControlTravaux en français237 207