MétaCan
Menu
Retour à la cohorte
Enregistrement W2142344979 · doi:10.6000/1929-6002.2014.03.03.5

Enhancement of Biogas Production in Two-Phase Anaerobic Fermentation System for Lower-Temperature Applications

2014· article· en· W2142344979 sur OpenAlexvenueno aff
Hongqiong Zhang, Wenzhe Li, Yong Sun, Xiangyou Wang

Notice bibliographique

RevueJournal of Technology Innovations in Renewable Energy · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Education, Heilongjiang ProvinceDepartment of Bioproducts and Biosystems Engineering, University of MinnesotaMinistry of Education of the People's Republic of ChinaUniversity of Minnesota
Mots-clésBiogas productionBiogasFermentationAnaerobic exerciseProduction (economics)Pulp and paper industryEnvironmental scienceProcess engineeringAnaerobic digestionWaste managementFood scienceChemistryBiologyEngineeringMethaneEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

For the purpose of enhancing the biogas production and operation stability of system at low temperature, a two-phase anaerobic fermentation facility for rural household energy generation was proposed. In this facility, the quantity of the fermented materials could be balanced by controlling the hydraulic retention time, which based on pH of the acidification tank and the fermentation tank. In addition, a portion of the biogas generated could be used to heat the acidification tank and the fermentation tank. Results shows that the optimal daily production rate of biogas for 1 m3 fermentation liquid was about 1.47 L/L d-1 at a mixing ratio of cow: swine: chicken manure was 3: 1: 0.5. The production rate obtained in this study was more than four times higher than that from traditional single-phase processes (0.35 L/L d-1). About 5.43 m3 biogas can be produced daily per household with an average CH4 content of 76.8%. The two-phase process developed in this work will also reduce environmental pollution and increase energy production efficiencies.

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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,007
Tête enseignante GPT0,258
Écart entre enseignants0,251 · 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Technology Innovations in Renewable EnergyMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207