MétaCan
Menu
Retour à la cohorte
Enregistrement W2048732335 · doi:10.1002/jctb.841

Treatment of wastewater using a combined biological and electrochemical technique

2003· article· en· W2048732335 sur OpenAlexafffund
Huu Doan, Jianning Wu, Edwin Boithi, Megan Storrar

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2003
Typearticle
Langueen
DomaineChemistry
ThématiqueElectrochemical Analysis and Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAerationWastewaterElectrochemistryElectrolyteSupporting electrolyteChlorideChemistryVolumetric flow rateNuclear chemistryPulp and paper industryChromatographyEnvironmental engineeringElectrodeEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Simulated wastewater containing propylene glycol methyl ether, Ni2+ and Zn2+ was treated using an aerated packed column. An electrochemical cell was also installed beneath the packing support in the bottom section of the column. The flowrate of water through the column was maintained at 8.94 kg m−2 s−1. For 72 h of treatment using aeration alone, the BOD5 was reduced by 43%, 56%, and 54% for air flowrates of 0.00094, 0.00141, and 0.00188 kg m−2 s−1 respectively. On the other hand, when the electrochemical cell was activated without aeration, the BOD5 was reduced by 15%, 17%, and 23% at the applied voltages of 8, 16, and 25 V respectively. When both aeration of the wastewater and a voltage of 25 V were used, the percentage removal of BOD5, on the average, was about 65% for all air flowrates used. The concentrations of Ni2+ and Zn2+ were also reduced by 57% and 61% respectively, in the absence of the supporting electrolyte. The addition of potassium chloride (100 ppm) as the supporting electrolyte enhanced the metal removal by 30%. Copyright © 2003 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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,247
Écart entre enseignants0,235 · 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'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

Citations8
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetElectrochemical Analysis and ApplicationsTravaux en français237 207