MétaCan
Menu
Retour à la cohorte
Enregistrement W2039085228 · doi:10.1139/s06-004

Composting of municipal biosolids: effect of bulking agent particle size on operating performance

2006· article· en· W2039085228 sur OpenAlexvenueno aff
Ash Raichura, Daryl McCartney

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiosolidsParticle sizeCompostPulp and paper industryWaste managementEnvironmental scienceChemistryEnvironmental engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Woodchips, prepared from wood waste obtained from a pallet manufacturer, were used to determine the effect of bulking agent particle size on compost pile performance. The three treatments investigated used coarse, medium, or fine woodchips. Characteristic particle sizes were 40, 13, and 5.2 mm for the coarse, medium, and fine material, respectively. All recipes were made using one part biosolids to 2.5 parts woodchips (v:v) at a target moisture content of 60%. Finer woodchips resulted in thermophilic temperature values being reached sooner, being sustained for a longer time (>95 d), and recovering more quickly after rainfall events. Finer woodchips also resulted in lower moisture loss over the experimental period. Based on the experimental observations, it was assumed decreased tortuosity in the coarse woodchip material led to higher ventilation rates as compared to the finer material. Further experimental work is required to confirm this. The authors' recommend operators characterize feedstock bulking agent particle size distribution, particularly at facilities purchasing bulking agents for their operations. Key words: compost, municipal biosolids, woodchips, particle size, bulking agent, temperature.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,173
Écart entre enseignants0,168 · 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

Citations20
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetSoil Management and Crop YieldTravaux en français237 207