MétaCan
Menu
Retour à la cohorte
Enregistrement W2122143464 · doi:10.1002/ceat.201000079

Biological Nutrient Removal Using a Novel Laboratory‐Scale Twin Fluidized‐Bed Bioreactor

2010· article· en· W2122143464 sur OpenAlexafffund
Mehran Andalib, George Nakhla, Jesse Zhu

Notice bibliographique

RevueChemical Engineering & Technology · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEffluentBioreactorFluidized bedPhosphorusChemistryNitrogenWastewaterNutrientOrganic matterYield (engineering)Pulp and paper industryEnvironmental engineeringEnvironmental scienceMaterials scienceOrganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract The capability of biological nutrient removal from wastewater of a novel laboratory‐scale twin fluidized‐bed bioreactor (TFBBR) was studied. The work showed approximately 96 % organic matter, 84 % nitrogen, and 12 % phosphorus removal efficiencies in the first three phases of the study at influent synthetic municipal wastewater (SMW) flow rates of 150, 190, and 240 L/d, with corresponding organic loading rates of 1.3, 1.7, and 2.3 kg COD m–3 d–1 and nitrogen loading rates of 0.14, 0.18 and 0.25 kg N m–3 d–1. The TFBBR effluent was characterized by <1.0 mg NH4‐N/L, <4.3 mg NO3‐N/L, <6 mg TN/L, <6 mg SBOD/L, and 6–10 mg VSS/L. For the three phases, biomass yields of 0.06, 0.066, and 0.071 g VSS/g COD were observed, respectively, which was a significant further reduction in yield compared to the liquid‐solid circulating fluidized‐bed bioreactor technology developed and patented by this research group, of 0.12–0.16 g VSS/g COD. The very low yield was due to a longer solid retention time of 72–108 d.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,199
Écart entre enseignants0,191 · 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'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

Citations11
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical Engineering & TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207