MétaCan
Menu
Retour à la cohorte
Enregistrement W2178475670 · doi:10.1002/cjce.22393

Impact of sonication on activated sludge properties and consequences on PAH partitioning

2015· article· en· W2178475670 sur OpenAlexvenueno aff
I. Mozo, Nicolas Lesage, Mathieu Spérandio, Yolaine Bessière

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSonicationChemistryNaphthaleneAqueous solutionPyrenePartition coefficientActivated sludgeAqueous two-phase systemFraction (chemistry)ChromatographyOrganic chemistrySewage treatmentEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Sonication is an efficient sludge disintegration technique that can be used for reducing the excess sludge produced in water treatment. The effects of activated sludge sonication on its physicochemical properties and their consequences on the partitioning of hydrophobic polycyclic aromatic hydrocarbons (PAH) are reported. Ultrasound treatment led to an increase in dissolved and colloidal matter in the aqueous phase, with a predominance of proteins compared to the initial supernatant. This transfer of DCM was found to be directly correlated to the energy applied, and resulted in proportional transfer of PAHs from the particulate phase to the aqueous fraction. The PAH aqueous fraction, initially ranging from 0.012 g/g (pyrene) to 0.19 g/g (naphthalene), reached between 0.25–0.37 g/g when a specific energy of 40 000 kJ/kg TS0 was applied. For the raw sludge, the logarithm of the equilibrium constant varied between 3.0–4.3, depending on the hydrophobicity of the molecule, but when sonication was applied, the affinity for particles decreased significantly, resulting in a narrow distribution (log K G = 2.8–3.0 after 40 000 kJ/kg TS0 was applied). PAH partition is governed by molecule hydrophobicity (log Kow) for raw sludge and by sonication intensity for sonicated sludge.

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 enseignants0,079
Score d'incertitude au seuil0,152

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 savante0,0000,000
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 Opus0,039
Tête enseignante GPT0,230
Écart entre enseignants0,192 · 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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMembrane Separation TechnologiesTravaux en français237 207