Evaluation of fluorescence excitation–emission and LC-OCD as methods of detecting removal of NOM and DBP precursors by enhanced coagulation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle