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 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,006
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 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

Citations8
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

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