MétaCan
Menu
Retour à la cohorte
Enregistrement W2157223242 · doi:10.6000/1929-6037.2012.01.02.2

Forward Osmosis: Potential use in Desalination and Water Reuse

2012· article· en· W2157223242 sur OpenAlexvenueno aff
Ali Altaee

Notice bibliographique

RevueJournal of Membrane and Separation Technology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDesalinationReverse osmosisForward osmosisOsmosisOsmotic powerPressure-retarded osmosisReuseProcess (computing)Process engineeringReverse osmosis plantWater treatmentEnvironmental scienceBiochemical engineeringComputer scienceEnvironmental engineeringMembraneChemistryWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

There has been a recurring interest in using Forward Osmosis (FO) process in water treatment and desalination. Despite the promising results from pilot and bench scale experiments the technology is still not commercialized yet. This is due to the complicated nature of the process which usually involves multiple stages of treatment in addition to the FO membrane process. Unfortunately, most of the recent studies were focused on studying the FO process alone and didn’t provide enough data about the actual cost of the process as whole which includes the osmotic agent regeneration stage/s. This issue resulted in some uncertainties about the total cost of the water treatment by the process. Furthermore, more data are required to evaluate the impact of the osmotic agent losses on the overall cost and efficiency. In case if the draw solution is regenerated by membrane treatment, a suitable membrane should be selected to ensure an optimal salt rejection. For power generation by Pressure Retarded Osmosis (PRO) process, there was an evident progress. However, the process is site specific; i.e. it is dependent of the availability of the draw and donor solution. This suggested that the process is applicable to certain areas but can’t be generalized.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,018

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,013
Tête enseignante GPT0,256
Écart entre enseignants0,243 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Membrane and Separation TechnologyMême sujetMembrane Separation TechnologiesTravaux en français237 207