MétaCan
Menu
Retour à la cohorte
Enregistrement W2093099388 · doi:10.2166/wst.2011.624

A distillery by-product as an external carbon source for enhancing denitrification in mainstream and sidestream treatment processes

2011· article· en· W2093099388 sur OpenAlexaff
Jacek Mąkinia, Krzysztof Czerwionka, Jan A. Oleszkiewicz, Eliza Kulbat, Sylwia Fudala‐Książek

Notice bibliographique

RevueWater Science & Technology · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesEuropean Regional Development FundUniversity of Cape TownCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésDenitrificationFusel alcoholChemistryPulp and paper industryBiomass (ecology)Anoxic watersCarbon fibersVolatile suspended solidsNitrateSewage treatmentActivated sludgeEnvironmental engineeringEnvironmental scienceFermentationEnvironmental chemistryNitrogenFood scienceAgronomyOrganic chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

The use of fusel oil as an 'alternative' carbon source for denitrification in the mainstream and sidestream treatment processes was studied. Research comprised two kinds of batch experiments as well as acclimation of process biomass to external carbon sources. In the conventional nitrate utilization rate (NUR) measurements (one-phase experiments with non-acclimated biomass), the NUR with fusel oil was 1.4-1.7 g N/(kg VSS·h which was comparable to NUR with ethanol and with slowly biodegradable fraction of the settled wastewater. When fusel oil was added at the beginning of the anoxic phase, preceded by an anaerobic phase (in two-phase experiments with non-acclimated biomass), the NURs of 2.5-2.9 g N/(kg VSS·h) were comparable to the tests without the addition of any external carbon sources. The addition of fusel oil and ethanol resulted in a significant enhancement of the denitrification efficiency in lab-scale sequencing batch reactors treating sludge reject water. The NURs continuously increased from below 1 g N/(kg VSS·h) to over 10 g N/(kg VSS·h) over the entire 4-week operational period, indicating gradual acclimation to the substrate. The overall total N removal efficiency reached ∼90%.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,013
Tête enseignante GPT0,223
Écart entre enseignants0,210 · 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'étudeObservationnel
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

Citations17
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207