MétaCan
Menu
Retour à la cohorte
Enregistrement W2170849845 · doi:10.1680/jees.2013.0007

Membrane-based treatment for tanning wastewaters

2013· article· en· W2170849845 sur OpenAlexvenueno aff
Justina Catarino, Luís F.O. Silva, Ana Lança, Elsa Mendonça, Maria Norberta de Pinho, Ana Picado

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWastewaterMicrofiltrationUltrafiltration (renal)Pulp and paper industryFiltration (mathematics)FlocculationMembraneMembrane technologyEnvironmental scienceSewage treatmentChemistryEcotoxicityPollutantWaste managementReverse osmosisEnvironmental chemistryChromatographyEnvironmental engineeringOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Tanning wastewater was subjected to different unit operations to select the best treatment sequences. Textile membrane filtration (TMF), microfiltration (MF), and ultrafiltration (UF) were complemented by screening, flocculation or flotation operations. The general chemical characterization determined that the wastewater had a high organic load. The ecotoxicological study classified the wastewater as highly ecotoxic. The sequence of screening – TMF – UF was found to be the optimal treatment for wastewaters of the first and second soaking stages, while the sequence of screening – TMF – flotation – UF proved to be adequate for the liming wastewater concerning productivity and water quality. Larger pore sizes MF membrane or higher molecular weight cut off (MWCO) UF membranes with higher permeability to pure water showed lower permeation fluxes for tanning wastewater. After membrane treatments, a decrease in the ecotoxicity was measured. The use of membrane treatment technology showed to be promising in removing organic pollutants and allowing the reuse of water and chemicals in the process.

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 enseignants0,078
Score d'incertitude au seuil0,359

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 savante0,0000,001
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 Opus0,006
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetAdvanced oxidation water treatmentTravaux en français237 207