MétaCan
Menu
Retour à la cohorte
Enregistrement W2085738888 · doi:10.2166/wst.2008.009

Dewatering and disinfection of aerobic and anaerobic sludge using an electrokinetic (EK) system

2008· article· en· W2085738888 sur OpenAlexaff
Jiayan Huang, Maria Elektorowicz, Jan A. Oleszkiewicz

Notice bibliographique

RevueWater Science & Technology · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrokinetic Soil Remediation Techniques
Établissements canadiensUniversity of ManitobaConcordia University
Organismes subventionnairesnon disponible
Mots-clésDewateringElectrokinetic phenomenaBiosolidsChemistryFecal coliformPulp and paper industrySewage sludgeAnaerobic digestionSuspended solidsTotal dissolved solidsHuman decontaminationSewageWaste managementEnvironmental scienceEnvironmental chemistryEnvironmental engineeringWater qualityWastewaterEcologyBiologyMethane

Résumé

récupéré en direct d'OpenAlex

The objectives of the study were to upgrade sewage sludge to Class A Exceptional Quality biosolids (as defined by US EPA) using an electrokinetics dewatering system. The pathogens monitored were Salmonella spp, and fecal coliforms (FC). Ten bench-scale electrokinetic cells were set up for the disinfection of the following sludges: primary, secondary (attached growth culture and suspended culture), and anaerobically digested sludge. A conditioning liquid was also added to five cells. Blower system to aid in dewatering and drying was used in in four EK cells. Sludge characteristics such as water content, volatile solids content, sulfate and chloride ions concentrations, FC and Salmonella spp. before and after the tests were monitored. The highest total solids content (98% TS) was achieved in the cell with the low voltage gradient, in the presence of the conditioner and with the blower system. An average reduction by 50% of volatile solids was observed. The highest, 11 log-reduction of Salmonella spp. was observed in a cell with anaerobically digested sludge. No fecal coliforms were observed in any of the cells after EK treatment.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,009
Tête enseignante GPT0,207
Écart entre enseignants0,198 · 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

Citations26
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetElectrokinetic Soil Remediation TechniquesTravaux en français237 207