Evaluation of fluorescence excitation–emission and LC-OCD as methods of detecting removal of NOM and DBP precursors by enhanced coagulation
Notice bibliographique
Résumé
Bench-scale tests were conducted to evaluate enhanced coagulation as a method for removing natural organic matter (NOM) from a surface water to reduce the formation of disinfection by-products (DBPs). Aluminium sulphate (alum) and two polyaluminium chloride (PACl) coagulants were used, as well as alum with pH depression. Using a PACl coagulant alone or alum with pH depression was shown to attain 35% removal of TOC at lower dosages (31 and 29 mg/L, respectively) when compared to the use of alum alone (43 mg/L). In addition to TOC and UV254, a fluorescence excitation–emission matrix (FEEM) approach and liquid chromatography–organic carbon detection (LC-OCD) were used to further characterize the removal of NOM in both untreated and filtered waters. Principal component analysis of FEEM was able to identify the presence of humic-like substances (HS), protein-like substances (PS), and colloidal/particulate matter (CPM); HS were found to have a close correlation with TOC and UV254. LC-OCD enabled the quantitative detection of hydrophobic and hydrophilic DOC; the latter was further separated into five components, the largest of which was HS. Strong linear correlations were calculated between TOC, UV254, HS, and hydrophilic DOC (r2 > 0.96); these parameters were also found to be closely correlated with the formation of trihalomethanes (THMs, r2 > 0.78) and haloacetic acids (HAAs, r2 > 0.92). Linear correlations with THMs and HAAs indicated that FEEM and LC-OCD provide good measures of DBP precursors when compared with TOC and UV254.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».