MétaCan
Menu
Retour à la cohorte
Enregistrement W2136492280 · doi:10.1002/jctb.2707

Methane production from citrus wastes: process development and cost estimation

2011· article· en· W2136492280 sur OpenAlexaff
Gergely Forgács, Mohammad Pourbafrani, Claes Niklasson, Mohammad J. Taherzadeh, Ilona Sárvári Horváth

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAnaerobic digestionBiogasMethaneLimoneneEnvironmental sciencePulp and paper industryWaste managementBiofuelMunicipal solid wasteChemistryEngineeringFood science

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND: Because of its extreme toxicity for microorganisms, the limonene content of citrus wastes (CWs) has been a major obstacle to the conversion of CWs to biofuels. The main objective of this study was to develop a new process for the utilization of CWs that can be economically feasible when the supply of CW is low. RESULTS: Steam explosion pre‐treatment was applied to improve the anaerobic digestibility of CWs, resulting in a decrease of initial limonene concentration by 94.3%. A methane potential of 0.537 ± 0.001 m3 kg−1 VS (volatile solids) was obtained during the following batch digestion of treated CWs, corresponding to an increase of 426% compared with that of the untreated samples. Long‐term effects of the treatment were further investigated by a semi‐continuous co‐digestion process. A methane production of 0.555 ± 0.0159 m3 CH4 kg−1 VS day−1 was achieved when treated CWs (corresponding to 30% of the VS load) were co‐digested with municipal solid waste. CONCLUSION: The process developed can easily be applied to an existing biogas plant. The equipment cost for this process is estimated to be one million USD when utilizing 10 000 tons CWs year−1. 8.4 L limonene and 107.4 m3 methane can be produced per ton of fresh citrus wastes in this manner. Copyright © 2011 Society of Chemical Industry

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,219
Écart entre enseignants0,203 · 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

Citations126
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetBiofuel production and bioconversionTravaux en français237 207