MétaCan
Menu
Retour à la cohorte
Enregistrement W2165431192 · doi:10.1061/(asce)ee.1943-7870.0000254

Evaluation of Apparatus for Membrane Cleaning Tests

2010· article· en· W2165431192 sur OpenAlexafffund
Đặng Thị Thanh Huyền, Roberto Narbaitz, Takeshi Matsuura

Notice bibliographique

RevueJournal of Environmental Engineering · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésUltrafiltration (renal)FoulingMembraneFiltration (mathematics)Flux (metallurgy)Membrane foulingChemistryMembrane technologyMicrofiltrationWater treatmentChemical engineeringEnvironmental engineeringChromatographyMaterials scienceEnvironmental scienceEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Membrane cleaning is critical to the operation of membrane processes. This paper studies the impact of using four different types of bench-scale membrane systems to assess the effectiveness of different cleaning steps after the filtration of colored river water. The systems are a stirred ultrafiltration (UF) cell, a SEPA cell, a small cross-flow (CF) cell, and a six-CF-cell-in-parallel system. The effect of cleaning frequency was also investigated. The comparison was implemented in terms of flux recovery, solute removal, solute resistance removal, and changes of contact angles. The stirred UF cell was only reliable and comparable in terms of flux and flux recovery results. The six-cell-in-parallel system requires further development due to their much lower flux. For cleaning at 30-min intervals, the cleaning efficiency of membranes was similar for the three CF systems. For cleaning intervals of 2 and 4 h did not statistically affect the flux recovery for the stirred UF cell and SEPA cell. There was some irreversible fouling that could not be restored completely by clean-in-place method even with rigorous chemical treatment.

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)0,001
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 enseignants0,046
Score d'incertitude au seuil0,825

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,244
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

Citations8
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental EngineeringMême sujetMembrane Separation TechnologiesTravaux en français237 207