MétaCan
Menu
Retour à la cohorte
Enregistrement W2329709622 · doi:10.1061/40976(316)172

Stress Effects on Fouling of Flat Sheet Membrane Bioreactor Treating Biodegradable Wastewater

2008· article· en· W2329709622 sur OpenAlexaff
Kripa S. Singh, Mi Zhong, Shannon Grant

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2008 · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésEffluentBioreactorFoulingMembrane foulingWastewaterMembrane bioreactorPulp and paper industryMembraneActivated sludgeMixed liquor suspended solidsIndustrial wastewater treatmentMembrane reactorChemistryMaterials scienceChromatographyEnvironmental engineeringEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Two laboratory-scale flat sheet membrane bioreactors (FSMBR) with three flat sheet membrane cartridges in each were set up to treat a synthetic biodegradable industrial wastewater. Four stress conditions were employed during the study including different organic loading rates (OLR phase), high salt concentration (salt phase), temperature spikes (temperature phase), and mixed liquor suspended solid (MLSS) concentration (MLSS phase). This study investigated the impact of the stress factors on membrane fouling and evaluated the performance of the FSMBR. Under the imposed stress conditions, the experimental reactor had a smaller particle size, higher average effluent COD concentration, and lower sludge filterability. The experimental reactor also fouled at a faster rate than the control reactor. The results showed that imposed stress conditions had an effect on the bacteria in the MBR which impacted sludge characteristics such as filterability, polysaccharide production, floe size, effluent COD concentration, effluent color, and most importantly the rate of membrane fouling.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,184
Score d'incertitude au seuil1,000

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,191
Écart entre enseignants0,182 · 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.

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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2008Même sujetMembrane Separation TechnologiesTravaux en français237 207