MétaCan
Menu
Retour à la cohorte
Enregistrement W2059917312 · doi:10.2166/wst.2008.018

Impact of polymer-sludge interaction on rheogram peaks and optimum dose determination

2008· article· en· W2059917312 sur OpenAlexaff
Audrey Murray, Banu Örmeci

Notice bibliographique

RevueWater Science & Technology · 2008
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueRheology and Fluid Dynamics Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPolymerFlocculationRheometryMaterials scienceRheologyChromatographyChemical engineeringAnalytical Chemistry (journal)ChemistryComposite materialEnvironmental scienceEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Torque rheometry offers potential for in-line monitoring use, screening polymers, and on site optimization of polymer dose by treatment plant operators. This study investigates the peaks formed following direct polymer injection into sludge during rheological analysis. The peaks enable observation of both flocculation and deflocculation phases, and the highest point of the peaks indicates the point where network bonds rupture. The goal of this study was to test the method reported by Ormeci on anaerobically digested sludge samples with several polymers, covering a wide spectrum of molecular weights and cationic charges, to establish a better understanding of how polymer-sludge interaction affects torque-time rheograms and peaks observed after polymer injection. The results from this study indicate that peaks can potentially be used to select the best performing polymer and identify the optimum polymer dose. In the underdose region, the peaks increase in size with increasing polymer dose until the optimum dose is reached. Once the optimum dose is reached, the peaks may decrease in size and then increase again, or stay same size until the polymer dose is very high. In the overdose region, very large and erratic peaks are observed which can be explained by the presence of unmixed polymer in the sample.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,266
Écart entre enseignants0,255 · 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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetRheology and Fluid Dynamics StudiesTravaux en français237 207