Removal of metals in leachate from sewage sludge using electrochemical technology
Notice bibliographique
Résumé
Heavy metals in acidic leachates from sewage sludge are usually removed by chemical precipitation, which often requires high concentration of chemicals and induces high metallic sludge production. Electrochemical technique has been explored as an alternative method in a laboratory pilot scale reactor for heavy metals (Cu and Zn) removal from sludge leachate. Three electrolytic cell arrangements using different electrodes materials were tested: mild steel or aluminium bipolar electrode (EC cell), Graphite/stainless steel monopolar electrodes (ER cell) and iron-monopolar electrodes (EC-ER cell). Results showed that the best performances of metal removal were obtained with EC and EC-ER cells using mild steel electrodes operated respectively at current intensities of 0.8 and 2.0 A through 30 and 60 min of treatment. The yields of Cu and Zn removal from leachate varied respectively from 92.4 to 98.9% and from 69.8 to 76.6%. The amounts of 55 and 44 kg tds(-1) of metallic sludge were respectively produced using EC and EC-ER cells. EC and EC-ER systems involved respectively a total cost of 21.2 and 13.1 CAN dollars per ton of dry sludge treated including only energy consumption and metallic sludge disposal. The treatment using EC-ER system was found to be effective and more economical than the traditional metal precipitation using either Ca(OH)2 and/or NaOH.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».