MétaCan
Menu
Retour à la cohorte
Enregistrement W2039653229 · doi:10.1139/s07-028

Coagulation assisted membrane filtration to treat high strength wastewater from municipal solid waste anaerobic digesters

2008· article· en· W2039653229 sur OpenAlexafffundvenue
Xin Xie, Hongde Zhou, Calvin Chong, Bruce E. Holbein

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensDiscovery Air (Canada)University of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryFiltration (mathematics)AerationEffluentMembrane foulingUltrafiltration (renal)Pulp and paper industryFoulingOrganic matterWastewaterCoagulationAlumAnaerobic digestionSuspended solidsChromatographyMembraneEnvironmental chemistryEnvironmental engineeringEnvironmental scienceMethane

Résumé

récupéré en direct d'OpenAlex

Effluents from the anaerobic digestion of municipal solid wastes contain a variety of organic and inorganic components with a high concentration of nitrogen and phosphorous. The feasibility to treat these effluents prior to discharge or reuse was evaluated experimentally using membrane filtration coupled with coagulation pretreatment. Standard jar tests were conducted by varying alum doses and pH values. Both raw and coagulated wastewaters were then filtered using a submerged ultrafiltration apparatus at different sparging aeration rates and permeate fluxes. It was shown that coagulation reduced the membrane fouling rates due to the increase in particle sizes. Furthermore, the flocs formed from sweep coagulation had a better filterability than those from charge neutralization. However, coagulation pretreatment only moderately increased the removal efficiencies of organic matter from subsequent ultrafiltration because only a portion of oganic matter could be adsorbed and (or) co-precipitated on coagulated flocs.

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 enseignants0,231
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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

Citations5
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetMembrane Separation TechnologiesTravaux en français237 207