MétaCan
Menu
Retour à la cohorte
Enregistrement W2076153925 · doi:10.1504/ijee.2014.062156

A fuzzy rule-based approach for modelling effects of bench-scale microwave pre-treatment on solubilisation and anaerobic digestion of secondary sludge

2014· article· en· W2076153925 sur OpenAlexafffund
Mithun Saha, Çiğdem Eskicioğlu, Rehan Sadiq

Notice bibliographique

RevueInternational Journal of Environmental Engineering · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAnaerobic digestionBiogasBiogas productionMesophileFactorial experimentFuzzy logicMicrowavePulp and paper industryBioenergyRegression analysisMathematicsEnvironmental scienceBiological systemChemistryWaste managementBiofuelStatisticsMethaneComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Fuzzy rule-based models were proposed in order to predict the effect of microwave pretreatment on the waste activated sludge (WAS) solubility and anaerobic digestibility or biogas production. The developed models were trained and validated using the experimental data from two separate multilevel factorial designs, containing 24 solubilisation and 54 biogas production runs from batch mesophilic (33 ± 2ºC) digesters. Input parameters were microwave temperature, microwave intensity, WAS concentration and volume percentage of WAS pretreated. Both fuzzy models reasonably predicted the responses, i.e., WAS solubilisation and biogas production with coefficients of determination (R2) of 0.81 and 0.98, respectively. The sensitivity analysis based on rank correlation coefficients indicated that microwave temperature was the most significant parameter for both response variables. The microwave intensity was found not to be a significant factor (<1% contribution) in the biogas production, which is in full agreement with the previously developed regression models.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,324
Score d'incertitude au seuil0,476

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,178
Écart entre enseignants0,173 · 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 tête enseignante, 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

Citations4
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental EngineeringMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207