MétaCan
Menu
Retour à la cohorte
Enregistrement W2089506520 · doi:10.1139/s02-036

A study of aerobic digester performance with the use of methanol for biological nutrient removal in a full-scale sequencing batch reactor

2002· article· en· W2089506520 sur OpenAlexfundvenueno aff
Jeffrey J.H Koh, Donald S. Mavinic, W. K. Oldham, Axel Meisen, Steven J Nuttall

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSequencing batch reactorPulp and paper industryVolatile suspended solidsChemistryMethanolSuspended solidsAnaerobic digestionWaste managementEffluentWastewaterEnvironmental scienceEnvironmental engineeringMethane

Résumé

récupéré en direct d'OpenAlex

The primary goal of this research was to determine whether the use of methanol in a full-scale sequencing batch reactor (SBR) affected the subsequent aerobic sludge digester performance. The methanol injection into an experimental SBR resulted in a significant increase in the solids level in the SBR, increased wasting into the digesters, and a lower sludge age. When the methanol dosage in the SBR was 81 L/d, the dissolved oxygen level in the subsequent aerobic digesters became inadequate for proper digestion. The net result was a drop in solids reduction efficiency. However, the methanol injection appeared to have no effect on the dewaterability of the digested sludge, as samples from the experimental and control units had very similar capillary suction time (CST) results. It was found that the dewaterability was affected not only by the total suspended solids concentration of the digested sludge, but even more by the temperature of the digested sludge, through a change in filtrate viscosity. Key words: aerobic digestion, biological nutrient removal, denitrification, methanol, sludge dewaterability.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,253

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 Opus0,033
Tête enseignante GPT0,196
Écart entre enseignants0,164 · 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'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

Citations2
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207