MétaCan
Menu
Retour à la cohorte
Enregistrement W2337185952

Treatment of Olive Oil Mill Wastewater by UV-Light and UV/H2O2 System

2015· article· en· W2337185952 sur OpenAlexvenueno aff
Gassan Hodaifa, Cristina Ágabo-García, Alberto J. Moya, Rafael Pacheco, Soledad Mateo

Notice bibliographique

RevueInternational Journal of Green Technology · 2015
Typearticle
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurbidityWastewaterOrganic matterPulp and paper industryTotal organic carbonChemistryEnvironmental chemistryChemical oxygen demandEnvironmental scienceUltravioletSewage treatmentEnvironmental engineeringMaterials scienceEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Olive oil mills generates large volumes of wastewaters (OMW). The absence of legislation, which manages and obligates the treatment of OMW has led to the creation of large build-evaporation ponds as a solution for this environmental problem. The function of these ponds is the evaporation of wastewater during summer months. However, evaporation isn't enough to eliminate all wastewater in the rafts and this fact allows the generation of a great volume of concentrate wastewater with high organic load (COD = 0.5- 38 g O 2 /L). The environmental impact produced by the accumulation of polluted wastewater demands the design of processes for OMW treatment. In this sense, the influence of ultraviolet light (UV) and the combined system of UV/H 2 O 2 , in the degradation of organic matter of OMW, were studied. UV-light application at a short time (<30 min) implies a removal values in COD = 15-22%, total carbon (TC), total organic carbon (TOC) and total nitrogen (TN) in the range 34% to 43%. The turbidity elimination was registered in the range 68% to 70%. In the case of combined UV/H 2 O 2 system the removal percentages were 40-48% for COD, 39.4-51.9% for TC, 33.0-48.0% for TOC, 37.0-53.1% for TN, and 66.8-93.4% for turbidity.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,263
Écart entre enseignants0,248 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Green TechnologyMême sujetEdible Oils Quality and AnalysisTravaux en français237 207