MétaCan
Menu
Retour à la cohorte
Enregistrement W2333863074 · doi:10.2166/wst.2013.116

Investigation of chemical-free nutrient removal and recovery from CO2-rich wastewater

2013· article· en· W2333863074 sur OpenAlexafffund
Elsie M. Jordaan, B. Rezania, Nazim Çiçek

Notice bibliographique

RevueWater Science & Technology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Manitoba
Mots-clésStruviteAerationWastewaterPhosphorusPulp and paper industryChemistryPrecipitationFluidized bedSeedbedManureEnvironmental scienceWaste managementEnvironmental engineeringAgronomy

Résumé

récupéré en direct d'OpenAlex

The feasibility of a bench-scale system for removal and recovery of phosphorus (P) as struvite from CO2-rich wastewater was tested. A continuous 12 L reactor system combining a fluidized seedbed and aeration for pH increase was developed and tested using synthetic feed. For a 100 mL min(-1) influent rate, an aeration and recycle rate combination of 7 L min(-1) and 700 mL min(-1) was sufficient for increasing and maintaining the reactor pH from 6.7 to between 7.6 and 8.0. Significant P removal was achieved in 6 h runs without a seedbed (91-92%), while neither the struvite nor sand seedbeds improved P removal (91-96%). Struvite was recovered in all runs, with additional calcium (Ca) precipitation in the seedbed runs. Reactor operation was possible for an extended period of time, up to 46 h without any major adjustment during long-term run. The average P removal was 88%, and precipitate collected after 24 h was found to be mainly struvite, while the final precipitate had a Ca: total phosphorus molar ratio of 0.56 and also contained calcite. This study has demonstrated the technical feasibility of an aerated crystallization reactor system for chemical-free struvite removal and recovery from CO2-rich wastewater such as stored livestock manure.

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 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 enseignants0,079
Score d'incertitude au seuil0,719

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,002
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 Opus0,006
Tête enseignante GPT0,175
Écart entre enseignants0,168 · 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

Citations8
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetPhosphorus and nutrient managementTravaux en français237 207