MétaCan
Menu
Retour à la cohorte
Enregistrement W2064913962 · doi:10.1080/09593332608618478

Design Strategy for a Simultaneous Nitrification/Denitrification of a Slaughterhouse Wastewater in a Sequencing Batch Reactor: ASM2D Modeling and Verification

2005· article· en· W2064913962 sur OpenAlexafffund
Youssef Filali-Meknassi, M Auriol, R. D. Tyagi, Yves Comeau, Rao Y. Surampalli

Notice bibliographique

RevueEnvironmental Technology · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSequencing batch reactorDenitrificationWastewaterNitrificationActivated sludge modelActivated sludgeChemical oxygen demandWaste managementSimultaneous nitrification-denitrificationChemistryPulp and paper industryOrganic matterEnvironmental scienceNitrogenEnvironmental engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Sequencing Batch Reactor (SBR) was used to treat slaughterhouse wastewater which contains average Chemical Oxygen Demand (COD) concentration of 5000 mg l(-1) and ammonium of 360 mgN l(-1). Nitrification/denitrification process was conducted for nitrogen removal. The influent wastewater as internal carbon source and sodium acetate as an external one was used for completing denitrification to achieve the simultaneous organic matter removal (95-96%) and nitrogen removal (95-97%). In addition, the dynamic SBR simulation model for biological nitrogen removal based on the Activated Sludge Model No. 2d (ASM2d) and GPS-X software is presented. The experimental study for the calibration and validation of the model was carried out using laboratory SBR. The study showed that the model provides a powerful tool to reduce the experimental expenditure and time to find the optimum strategy.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,025
Tête enseignante GPT0,230
Écart entre enseignants0,205 · 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'étudeSimulation ou modélisation
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

Citations24
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207