MétaCan
Menu
Retour à la cohorte
Enregistrement W2165568682 · doi:10.2166/wqrj.2005.053

Simulation of the Impact of Higher Ammonia Recycle Loads Caused by Upgrading Anaerobic Sludge Digesters

2005· article· en· W2165568682 sur OpenAlexaff
Jeremy Kraemer, David M. Bagley

Notice bibliographique

RevueWater Quality Research Journal · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésKjeldahl methodAnaerobic digestionEffluentAlkalinityBiogasEnvironmental sciencePulp and paper industryDewateringNitrificationAmmoniaChemistryWaste managementSewage treatmentEnvironmental engineeringNitrogenMethaneEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Upgrading conventional single-stage mesophilic anaerobic digestion to an advanced digestion technology can increase sludge stability, reduce pathogen content, increase biogas production, and also increase ammonia concentrations recycled back to the liquid treatment train. Limited information is available to assess whether the higher ammonia recycle loads from an anaerobic sludge digestion upgrade would lead to higher discharge effluent ammonia concentrations. Biowin, a commercially available wastewater treatment plant simulation package, was used to predict the effects of anaerobic digestion upgrades on the liquid train performance, especially effluent ammonia concentrations. A factorial analysis indicated that the influent total Kjeldahl nitrogen (TKN) and influent alkalinity each had a 50-fold larger influence on the effluent NH3 concentration than either the ambient temperature, liquid train SRT or anaerobic digestion efficiency. Dynamic simulations indicated that the diurnal variation in effluent NH3 concentration was 9 times higher than the increase due to higher digester VSR. Higher recycle NH3 loads caused by upgrades to advanced digestion techniques can likely be adequately managed by scheduling dewatering to coincide with periods of low influent TKN load and ensuring sufficient alkalinity for nitrification.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,110
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,073
Tête enseignante GPT0,384
Écart entre enseignants0,311 · 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.

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

Citations3
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207