MétaCan
Menu
Retour à la cohorte
Enregistrement W2270007581 · doi:10.1680/jees.15.00003

Effect of hydrogen peroxide on radiofrequency-oxidation of dairy manure

2015· article· en· W2270007581 sur OpenAlexafffundvenue
Asha Srinivasan, Chris Young, Ping Liao, K.V. Lo

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHydrogen peroxideManureStruviteChemistryChemical oxygen demandAnaerobic digestionPhosphorusNutrientTotal dissolved solidsPulp and paper industryAgronomyBiochemistryEnvironmental engineeringOrganic chemistryEnvironmental scienceWastewater

Résumé

récupéré en direct d'OpenAlex

A novel technology involving a combination of radiofrequency (RF) heating and hydrogen peroxide (H2O2) addition was used to treat dairy manure as a part of a manure management and resource recovery scheme; the process was to release nutrients and to disintegrate dairy manure for subsequent struvite crystallisation process and/or anaerobic digestion. The factors affecting the process, namely, H2O2 dosage, heating time and radiofrequency temperature, were studied using a surface response design methodology. The results indicated that solids disintegration efficiency in terms of soluble chemical oxidation demand concentration in the treated solution was in a range of 15–18% of total chemical oxygen demand. Very high volatile fatty acid concentrations were also produced. Orthophosphate (ortho-P) concentrations were in the range of 36–52% of total phosphorus in the treated solution. The optimal operating conditions for both solids disintegration and ortho-P release were predicted to be RF temperature of 83°C, holding time of 55–60 min and H2O2 dose of 1.7–1.8%.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,004
Tête enseignante GPT0,189
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetPhosphorus and nutrient managementTravaux en français237 207