MétaCan
Menu
Retour à la cohorte
Enregistrement W2408884861 · doi:10.2175/106143012x13415215907257

Effectiveness of Electrooxidation Process for Stabilizing and Conditioning of Urban and Industrial Wastewater Sludge

2012· article· en· W2408884861 sur OpenAlexaff
Patrick Drogui, Marc‐André Bureau, Guy Mercier, Jean-François Blais

Notice bibliographique

RevueWater Environment Research · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésChemistryWastewaterSulfuric acidPulp and paper industryHydrogen peroxideSodium sulfateSewage treatmentChloridePaper millSodiumNuclear chemistryEnvironmental engineeringEffluentInorganic chemistryEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The objective of this research was to investigate the performance of an electrochemical process for enhancing dewaterability and stabilize wastewater sludge from paper mill industry (PMS) and municipal wastewater (MWS) treatment plants. The treatment was conducted using 13.2 kg of sulfuric acid (H2SO4) per ton of dry sludge (TDS) and 200 kg of NaCl/tds as electrolytes, at a current intensity of 8A for 60 min. The process was efficient for increasing the dryness of PMS with an average value of 25.3 +/- 1.2% (w/w). By comparison, the electrochemical treatment using MWS allowed increasing the dryness to 33.4 +/- 1.4% (w/w). Simultaneously, the process was found to be effective in removing pathogen indicators (abatement > 4 to 5 log units of total and fecal coliforms) using either PMS or MWS. At the same time, it preserved the fertilizing properties of sludge by maintaining the concentration of P(tot), N-TKN and COD in dewatered sludge. The substitution of sodium chloride (used as electrolyte) by sodium sulfate (Na2SO4) combined with hydrogen peroxide (H2O2) allowed reducing the formation of organo-chlorinated compounds: more than 50% of chloroform was reduced, 86% of toluene was reduced and 59% of phenolic compounds was reduced.

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)0,001
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 enseignants0,269
Score d'incertitude au seuil0,280

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,050
Tête enseignante GPT0,304
Écart entre enseignants0,254 · 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

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetWastewater Treatment and ReuseTravaux en français237 207