MétaCan
Menu
Retour à la cohorte
Enregistrement W2044930552 · doi:10.2166/wst.2009.698

Membrane biofilm reactors for nitrogen removal: state-of-the-art and research needs

2009· article· en· W2044930552 sur OpenAlexaff
Jong Hyuk Hwang, Nazim Çiçek, Jan A. Oleszkiewicz

Notice bibliographique

RevueWater Science & Technology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésBiofilmDenitrificationResilience (materials science)Biochemical engineeringBiofoulingWastewaterScale (ratio)Environmental scienceEngineeringProcess (computing)Environmental engineeringWaste managementProcess engineeringComputer scienceNitrogenChemistryGeographyBiologyMembraneMaterials scienceCartography

Résumé

récupéré en direct d'OpenAlex

Historical developments up-to-date and operational challenges of membrane biofilm reactor (MBfR) were reviewed. A database of international, peer-reviewed journal articles regarding MBfR research from 1984 to 2008 was established and analyzed with a total of 107 papers. MBfR studies began to evolve in the early 1980s, since then the number of published papers increased steadily. After 2000, geographic locations where the research was conducted widened beyond North America and Europe to Asia. Research studies were divided into 4 categories and reviewed according to their main research focuses. In spite of the short history of MBfRs, studies have shown promising potential, possibly extending their application beyond nitrogen removal and organics removal. The MBfR research branched out to new fields including autotrophic denitrification. There are some important aspects of MBfRs that pose significant challenges to the application of this technology on a commercial scale in the near-future. The main challenge revolves around biofilm thickness and activity control. Further laboratory and demonstration scale studies on some of the proposed strategies for biofilm control are needed. Ultimately, more field studies with real wastewater should be performed to evaluate the resilience of the process in the face of flow and strength fluctuations, establishing optimum operational strategies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,021
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,018
Tête enseignante GPT0,267
Écart entre enseignants0,248 · 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

Citations11
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

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