Modeling the Biofiltration of Dimethyl Sulfide in the Presence of Methanol in Inorganic Biofilters at Steady State
Notice bibliographique
Résumé
The presence of methanol (MeOH) improves DMS removal (up to 11-fold) by enhancing biomass growth in inorganic biofilters. Although the overall effect is positive, prolonged growth on methanol also negatively affects DMS degradation as a result of competition with DMS. The objectives of this study were to explore the potential to optimize DMS removal with methanol addition and to develop and experimentally validate a mathematical model describing the biofiltration of DMS in the presence of MeOH. Continuous experiments using three bench-scale biofilters packed with inorganic material were performed to examine the removal of DMS under different MeOH addition rates ranging from 0 to 140 g/m3/h. For a constant DMS loading of 3.5 g/m3/h, a maximum DMS removal rate of 1.8 g/m3/h was achieved at a MeOH addition rate of 20 g/m3/h in the inorganic biofilters. A steady-state model incorporating the competitive and activation effects of MeOH on DMS biodegradation was developed, and the modeled results on DMS and MeOH removal were in close agreement with experimental data. Both the experimental data and model simulation suggest that there is an optimum MeOH addition rate for a given DMS loading. A step-feeding strategy for MeOH addition was proposed and tested by the model to optimize DMS removal. The model-predicted results demonstrate that six-step feeding of MeOH enhances DMS treatment by 46% in the biofilters when compared to conventional feeding (one-step) of MeOH at the same total mass loading.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».