MétaCan
Menu
Retour à la cohorte
Enregistrement W2050976453 · doi:10.1002/cjce.5450780219

Beneficial combination of wet oxidation, membrane separation and biodegradation processes for treatment of polymer processing wastewaters

2000· article· en· W2050976453 sur OpenAlexvenueno aff
Dionissios Mantzavinos, Rolf Hellenbrand, Andrew G. Livingston, Ian S. Metcalfe

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodegradationEffluentWastewaterChemistryPolymerMembraneNanofiltrationSewage treatmentFiltration (mathematics)Polyethylene glycolWet oxidationDegradation (telecommunications)Membrane technologyChromatographyPulp and paper industryWaste managementOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The treatment of a model wastewater containing polyethylene glycol of molecular weight (MW) 10 000 by means of combined chemical oxidative pretreatment, membrane separation and biological post‐treatment was investigated. Wet oxidation was employed as a chemical pretreatment process to convert the original, high MW polymer to lower MW compounds in an attempt to improve the biotreatability of the waste‐water. The partially oxidized effluents formed during wet oxidation at temperatures up to 403 K were separated by nanofiltration where larger molecules were recycled into the wet oxidation reactor, while the permeate leaving the filtration step was treated biologically. At a biological residence time (τ B ) of 12 h and 3 h, the resulting total organic carbon (TOC) removal in the biological step was as high as 94% and 87%, respectively. Conversely, a continuous aerobic biological process was found inadequate to completely mineralize the original wastewater, since at τ b of 96 h only about 60% to 70% TOC removal was achieved, while at τ b of 12 h the original wastewater was practically non‐biockgradable.

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 enseignants0,101
Score d'incertitude au seuil0,211

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 savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,203 · 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

Citations12
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetAdvanced oxidation water treatmentTravaux en français237 207