Aerobic granulation utilizing fermented municipal wastewater under low pH and alkalinity conditions in a sequencing batch reactor
Notice bibliographique
Résumé
The aim of this study was to achieve aerobic granulation utilizing fermented municipal wastewater under low pH, and alkalinity conditions. Stable granulation was achieved after a 166-day start-up period. Due to low influent strength, supplemental carbon addition, in the form of sucrose, was added to the feed storage tank on the 82nd day of start-up to facilitate granulation. This increased the system's organic loading rate from 1.43 ± 0.14 to 2.53 ± 0.18 kg COD/m(3)/d, and reduced the influent pH due to fermentation of the added sucrose. Although granulation was successful, the nutrient removal was limited. Removal rates at an influent pH of 6.23 ± 0.06 were 54.4% ± 8.3% for phosphorus, 21.9% ± 4.1% for ammonium, and 84.0% ± 3.0% for total chemical oxygen demand (COD). During the second phase of experimentation, increased amounts of sucrose were added to the feed, which resulted in increased volatile fatty acid concentrations and pH reduction to 5.62 ± 0.12 due to fermentation. Under further reduced pH conditions, phosphorus, ammonium, and total COD removal were found to be 58.9% ± 4.7%, 37.9% ± 4.7%, and 87.1% ± 0.9%, respectively. Settling volume indexes, SVI10 and SVI30, were found to be 148.8 ± 28.9 mL/g, for the influent pH of 6.23 ± 0.06, and 157.5 ± 40.6 mL/g, for the influent pH of 5.62 ± 0.12. This high SVI is indicative of the formation of lower-density granules in comparison to high-ash-content granules. The absence of denitrification-induced chemical phosphorus precipitation within the granule was likely a contributing factor to the low granule density observed in the system.
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) | 0,000 | 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 ».