MétaCan
Menu
Retour à la cohorte
Enregistrement W2157094872 · doi:10.4137/ehi.s29431

Impact of UV–H <sub>2</sub> O <sub>2</sub> Advanced Oxidation and Aging Processes on GAC Capacity for the Removal of Cyanobacterial Taste and Odor Compounds

2015· article· en· W2157094872 sur OpenAlexaff
Arash Zamyadi, Emma Sawade, Lionel Ho, Gayle Newcombe, Ron Hofmann

Notice bibliographique

RevueEnvironmental Health Insights · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOdorChemistryEnvironmental chemistryFood scienceEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Cyanobacteria and their taste and odor (T&O) compounds are a growing concern in water sources globally. Geosmin and 2-methylisoborneol (MIB) are the most commonly detected T&O compounds associated with cyanobacterial presence in drinking water sources. The use of ultraviolet and hydrogen peroxide (H2O2) as an advanced oxidation treatment for T&O control is an emerging technology. However, residual H2O2 (>80% of the initial dose) has to be removed from water prior final disinfection. Recently, granular activated carbon (GAC) is used to remove H2O2 residual. The objective of this study is to assess the impact of H2O2 quenching and aging processes on GAC capacity for the removal of geosmin and MIB. Pilot columns with different types of GAC and presence/absence of H2O2 have been used for this study. H2O2 removal for the operational period of 6 months has no significant impact on GAC capacity to remove the geosmin and MIB from water.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,340
Score d'incertitude au seuil0,749

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 Opus0,021
Tête enseignante GPT0,251
Écart entre enseignants0,230 · 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

Citations17
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health InsightsMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207