MétaCan
Menu
Retour à la cohorte
Enregistrement W2072982832 · doi:10.2166/wst.2006.854

Examining the influence of substrates and temperature on maximum specific growth rate of denitrifiers

2006· article· en· W2072982832 sur OpenAlexaff
Yalda Mokhayeri, Adam Nichols, Sudhir Murthy, Rumana Riffat, Peter Dold, I. Takács

Notice bibliographique

RevueWater Science & Technology · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensEnviroSim (Canada)
Organismes subventionnairesnon disponible
Mots-clésDenitrificationEffluentAnoxic watersDenitrifying bacteriaWastewaterSewage treatmentMethanolPulp and paper industryEnvironmental engineeringEnvironmental scienceNitrogenChemistryEnvironmental chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Facilities across North America are designing plants to meet stringent limits of technology (LOT) treatment for nitrogen removal (3-5 mg/L total effluent nitrogen). The anoxic capacity requirements for meeting LOT treatment are dependent on the growth rates of the denitrifying organisms. The Blue Plains Advanced Wastewater Treatment Plant (AWTP) is one of many facilities in the Chesapeake Bay region that is evaluating its ability to meet LOT treatment capability. The plant uses methanol as an external carbon source in a post-denitrification process. The process is very sensitive to denitrification in the winter. One approach to improve anoxic capacity utilization is to use an alternative substrate for denitrification in the winter to promote the growth of organisms that denitrify at higher rates. The aim of this study was to evaluate denitrification maximum specific growth rates for three substrates, acetate, corn syrup and methanol, at two temperatures (13 degrees C and 19 degrees C). These temperatures approximately reflect the minimum monthly and average annual wastewater temperature at the Blue Plains AWTP. The results suggest that the maximum specific growth rate (mu(max)) for corn syrup (1.3 d(-1)) and acetate (1.2 d(-1)) are higher than that for methanol (0.5d(-1)) at low temperature of 13 degrees C. A similar trend was observed at 19 degrees C.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,186
Écart entre enseignants0,178 · 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

Citations52
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207