Laboratory Comparison of Oil Removal by Four Drain Inlet Inserts
Notice bibliographique
Résumé
Vehicular motor oil from leaking vehicles, illegal disposal, and accidental spills is often carried to receiving waters via stormwater flows. Storm drain inlet inserts have been developed to remove oil from stormwater. Unfortunately, knowledge of their effectiveness in removing oil and grease under common field conditions is lacking. In this study, oil capture and retention performance was examined for four drain inlet inserts — the DrainPacTM, FloGard+PlusTM, Hydro-CartridgeTM, and Ultra-UrbanTM inserts. To approximate the illegaldisposal or accidental spill scenario, a spike dose of 4 liters of used motor oil was applied to each insert. The inserts were subsequently flushed with oil-free water to determine retention during runoff events. The percent of oil retained by the inserts after flushing ranged from 5 to 55 percent. To approximate the stormwater runoff scenario, used motor oil was continuously dosed at around 15 mg/L. Each insert received a cumulative volume of nearly 454,000 liters (120,000 gallons), which simulated an annual loading. The loading was broken up into 20 applications to simulate individual storms. Flow rates for individual events were either 57, 95, or 132 L/min (15, 25, and 35 gpm) to simulate different rainfall intensities. Paired composite samples of influent and effluent were collected for each insert test. While removal was consistent throughout the test for individual inserts, removal efficiencies among the inserts varied considerably, ranging from negligible to about 60 percent. When sediment was added to the synthetic runoff, inserts that provided settling showed better oil removal than those without settling. Even so, the best removal efficiency observed when sediment was present was only about 40%, though this result is based on only two experimental runs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».