MétaCan
Menu
Retour à la cohorte
Enregistrement W2172299621 · doi:10.2166/wrd.2011.041

An evaluation of MBR and conventional pretreatment for reverse osmosis for water reclamation

2011· article· en· W2172299621 sur OpenAlexaff
Jinling Xu, Fraser C. Kent, Khosrow Farahbakhsh

Notice bibliographique

RevueJournal of Water Reuse and Desalination · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEffluentReverse osmosisTurbidityMembrane bioreactorFiltration (mathematics)Environmental scienceWastewaterFoulingLand reclamationRotating biological contactorChemistryEnvironmental engineeringMembrane foulingPulp and paper industryMembraneEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Two wastewater polishing systems were compared in terms of their ability to protect downstream reverse osmosis (RO) processes. A conventional full-scale wastewater treatment system with primary and secondary treatment followed by rotating biological contactors (RBC) and sand filtration were compared in a side-by-side study with a pilot-scale membrane bioreactor (MBR). Effluent from the two pretreatment trains was sent to two identical RO pilot systems. The effluent water quality of the two systems was compared as well as the RO performance. The MBR pretreatment provided effluent with a turbidity (0.11 NTU) that was more than five times lower than that of the conventional system (0.58 NTU). The fouling rate of the RO system with MBR pretreatment was 50–67% of the value found for the RO system with conventional pretreatment and the difference in turbidity values was identified as the major source of this large difference. The RO effluent quality of both systems was excellent, with similar overall removals in both systems. The study emphasizes the importance of removing particulate matter for the prevention of RO fouling within water reclamation.

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 enseignants0,047
Score d'incertitude au seuil0,171

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)0,0000,000

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 Opus0,057
Tête enseignante GPT0,279
Écart entre enseignants0,222 · 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

Citations4
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Reuse and DesalinationMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207