MétaCan
Menu
Retour à la cohorte
Enregistrement W2099725773 · doi:10.2166/wst.2011.052

Comprehensive review and compilation of pretreatments for mesophilic and thermophilic anaerobic digestion

2011· review· en· W2099725773 sur OpenAlexaff
Etienne Louis Bordeleau, Ronald L. Droste

Notice bibliographique

RevueWater Science & Technology · 2011
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAnaerobic digestionMesophileHydrolysisChemistryPulp and paper industryBiogasOrganic matterWastewaterSewage treatmentEnvironmental scienceWaste managementEnvironmental engineeringMethaneEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

Organic matter hydrolysis prior to anaerobic digestion has been shown to improve biogas production (30-50%) and reduce solids (20-60%) by ultrasound, chemical, conventional heating, and microwave pretreatments. Numerous studies have been performed to determine the extent of digestion improvement but few focus on financial feasibility of these processes. A comprehensive model was created using Microsoft Excel and its Visual Basic Assistant to evaluate pretreatment permutations for conventional wastewater treatment plants. The four above-mentioned processes were evaluated for energetic and financial demands. Well-established energy equations and wastewater characteristics, both average and high, were used. Average and high flows were 460 and 750×10(3) m3/d, respectively. Net costs per influent flow for ultrasound, chemical, conventional heating, and microwave were 0.0166, 0.0217, 0.0124, 0.0119 $/m3 and 0.0264, 0.0357, 0.0187, and 0.0162 $/m3 for average and high conditions, respectively. The average cost increase from results excluding pretreatment use for all processes was 0.003 and 0.0055 $/m3 for average and high conditions, respectively. No matter the permutation, pretreatments requiring more energy to achieve required hydrolysis levels were costlier. If energetic recoveries are substantial, dewaterability is positively affected, and solids meet environmental constraints to be handled and disposed at lower costs, pretreatments can be viable.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,042
Tête enseignante GPT0,286
Écart entre enseignants0,244 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207