MétaCan
Menu
Retour à la cohorte
Enregistrement W2113033438 · doi:10.1139/s05-042

Impact of blending reuse and lake water on treated water quality

2006· article· en· W2113033438 sur OpenAlexvenueaboutno aff
Anna M. Comerton, Robert C. Andrews, David M. Bagley

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReverse osmosisReuseEnvironmental scienceNitrateWater qualityRaw waterWastewaterWater treatmentPulp and paper industryTrihalomethaneMembrane bioreactorReclaimed waterEnvironmental engineeringPortable water purificationFecal coliformWaste managementEnvironmental chemistryChemistryMembraneEcology

Résumé

récupéré en direct d'OpenAlex

The impact of supplementing a raw drinking water source with reuse water was examined. Reuse water produced from municipal wastewater by a membrane bioreactor and reverse osmosis (MBR-RO) system was blended with untreated Lake Ontario water, then subjected to conventional water treatment processes, and evaluated in terms of disinfection by-products (DBPs), nitrate, and coliforms. The addition of reuse water to the lake water improved water quality in terms of total organic carbon (TOC) and bromide, which resulted in reduced trihalomethane (THM) formation. This appeared to be entirely due to dilution with no specific impact from the conventional treatment process. Nitrate levels in the reuse water (1.4 mg/L) were higher than the lake water (0.4 mg/L) and, therefore, an increase in the reuse water : lake water blend ratio resulted in a linear increase in nitrate levels. The conventionally treated blend water was shown to meet typical drinking water regulations for THMs, haloacetic acids (HAAs), total coliform, and nitrate. Key words: water reuse, drinking water supplement, reverse osmosis, membrane bioreactor, conventional water treatment, disinfection by-products, nitrate.

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 enseignants0,512
Score d'incertitude au seuil0,269

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 Opus0,006
Tête enseignante GPT0,209
Écart entre enseignants0,204 · 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

Citations5
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

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