MétaCan
Menu
Retour à la cohorte
Enregistrement W2044201206 · doi:10.1002/jctb.1096

Impact of chemical oxidation on sludge properties and membrane flux in membrane separation bioreactors

2004· article· en· W2044201206 sur OpenAlexafffund
BQ Liao, LJJ Catalan, IG Droppo, SN Liss

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensToronto Metropolitan UniversityEnvironment and Climate Change CanadaLakehead University
Organismes subventionnairesLakehead University
Mots-clésUltrafiltration (renal)ChemistryMembraneHypochloriteSodium hypochloriteChemical oxygen demandMembrane reactorChlorineChemical engineeringBioreactorChromatographyPulp and paper industrySewage treatmentEnvironmental engineeringInorganic chemistryOrganic chemistryBiochemistryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract The effects of sodium hypochlorite (NaOCl) on sludge properties and membrane permeate flux were studied using a pressurized stirred ultrafiltration cell. Oxidation with NaOCl resulted in sludge solubilization and decreased sludge floc sizes. The sludge dissolution constant was estimated at 0.3 ± 0.1 mg sludge mg −1 free chlorine under testing conditions. The increases in soluble chemical oxygen demand and total carbohydrate concentration in centrifuged supernatant were less than proportional to chemical dosage. Membrane permeate fluxes were much lower as a result of oxidation. Soluble biopolymers accounted for more than 76% of the total hydraulic resistance during ultrafiltration of oxidized sludge. By contrast, both the settleable sludge flocs and the soluble biopolymers were important contributors to the hydraulic resistance of sludge before oxidation. Given the benefits of NaOCl solution for membrane cleaning and its negative impact on sludge properties, the quantity of NaOCl solution used for maintenance cleaning of membranes should be optimized. Copyright © 2004 Society of Chemical Industry

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,006
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
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 Opus0,017
Tête enseignante GPT0,267
Écart entre enseignants0,250 · 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.

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

Citations7
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetMembrane Separation TechnologiesTravaux en français237 207