MétaCan
Menu
Retour à la cohorte
Enregistrement W2162186315 · doi:10.5539/ep.v1n1p38

Heavy Metal and Phosphorus Removal from Waters by Optimizing Use of Calcium Hydroxide and Risk Assessment

2011· article· en· W2162186315 sur OpenAlexvenueno aff
Binyuan Chen, Ruijuan Qu, Jiaqi Shi, Dinglong Li, Zhongbo Wei, Xi Yang, Zunyao Wang

Notice bibliographique

RevueEnvironment and Pollution · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésChemistryCalcium hydroxidePhosphorusWastewaterCalcium carbonateEnvironmental chemistryCalciumEutrophicationAlkalinitySedimentationHydroxideDaphniaPollutantMetal hydroxideEnvironmental engineeringInorganic chemistrySedimentEnvironmental scienceNutrientEcologyZooplanktonGeology

Résumé

récupéré en direct d'OpenAlex

The optimizing using calcium hydroxide to remove dissolved heavy metal, phosphorus pollutants and algae was investigated. It was found that the concentration of calcium ion was minimal at pH 10.5 when a large amount of generated calcium carbonate increased the particle size of the precipitates and improved sedimentation of sludge and the removal efficiency of heavy metal and phosphorus significantly. Regardless of the initial heavy metals concentrations contained in the wastewater, the final treated concentrations were all extremely low. Risk assessment in alkaline environment of pH 10.5 was tested by fancy carp, daphnia, seed, luminescent bacterium Q67. The results showed that pH 10.5 had a little influence on the four tested organisms. Thus it is suggested that calcium hydroxide at pH 10.5 may be a potential method for treating wastewater and eutrophication 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 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)0,001
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: 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
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
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 Opus0,018
Tête enseignante GPT0,199
Écart entre enseignants0,182 · 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

Citations19
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and PollutionMême sujetPhosphorus and nutrient managementTravaux en français237 207