MétaCan
Menu
Retour à la cohorte
Enregistrement W2249936247 · doi:10.2175/106143008x390852

Predicting the Degradability of Waste Activated Sludge

2009· article· en· W2249936247 sur OpenAlexaffabout
Richard M. Jones, Wayne J. Parker, Henry Zhu, Dwight Houweling, Sudhir Murthy

Notice bibliographique

RevueWater Environment Research · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensUniversity of WaterlooEnviroSim (Canada)Golder Associates (Canada)
Organismes subventionnairesnon disponible
Mots-clésRespirometryAnaerobic digestionActivated sludgeWastewaterChemical oxygen demandAnaerobic exerciseWaste managementPulp and paper industrySequencing batch reactorDigestion (alchemy)BioreactorChemistrySewage treatmentMethanogenesisEnvironmental scienceMethaneEnvironmental engineeringChromatographyBiologyEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to identify methods for estimating anaerobic digestibility of waste activated sludge (WAS). The WAS streams were generated in three sequencing batch reactors (SBRs) treating municipal wastewater. The wastewater and WAS properties were initially determined through simulation of SBR operation with BioWin (EnviroSim Associates Ltd., Flamborough, Ontario, Canada). Samples of WAS from the SBRs were subsequently characterized through respirometry and batch anaerobic digestion. Respirometry was an effective tool for characterizing the active fraction of WAS and could be a suitable technique for determining sludge composition for input to anaerobic models. Anaerobic digestion of the WAS revealed decreasing methane production and lower chemical oxygen demand removals as the SRT of the sludge increased. BioWin was capable of accurately describing the digestion of the WAS samples for typical digester SRTs. For extended digestion times (i.e., greater than 30 days), some degradation of the endogenous decay products was assumed to achieve accurate simulations for all sludge SRTs.

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 enseignants0,011
Score d'incertitude au seuil0,199

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 Opus0,030
Tête enseignante GPT0,257
Écart entre enseignants0,226 · 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

Citations25
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207