MétaCan
Menu
Retour à la cohorte
Enregistrement W2415944444 · doi:10.2166/ws.2016.093

Impact of operational parameters on biofiltration performance: organic carbon removal and effluent turbidity

2016· article· en· W2415944444 sur OpenAlexaffabout
Vivek A. Nemani, Liz Taylor-Edmonds, Nicolás M. Peleato, Robert C. Andrews

Notice bibliographique

RevueWater Science & Technology Water Supply · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBackwashingBiofilterTurbidityTrihalomethaneEffluentDissolved organic carbonUltrafiltration (renal)Pulp and paper industryChemistryWater treatmentEnvironmental scienceEnvironmental engineeringCloggingEnvironmental chemistryChromatographyInlet

Résumé

récupéré en direct d'OpenAlex

The objectives of this pilot-scale study were to optimize backwash frequency and empty bed contact time (EBCT) of biofilters treating ozonated surface water from Lake Ontario. Performance was benchmarked in terms of the reduction of turbidity, dissolved organic carbon (DOC), disinfection by-product (DBP) precursors, and ultrafiltration foulants (biopolymers). Increasing the EBCT from 4 to 8 min resulted in a higher reduction of DOC (5%), trihalomethane (THM4) and haloacetic acid (HAA9) precursors (∼12%) without negatively impacting effluent turbidity (consistently below 0.4 NTU), while biopolymer removal remained unaffected (2%). The impact of varying backwash frequency (5, 10, and 25 day intervals) was also compared for biofilters operated at an EBCT of 4 min. Results showed no impact of extended run times (up to 25 days) on DOC or DBP precursor removal; however turbidity removal was affected beyond 15 days of operation. Backwashing biofilters at 10 vs 5 day intervals would result in a reduction of backwash water, energy consumption and amount to nearly $17,000 in savings for the utility.

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 enseignants0,249
Score d'incertitude au seuil0,475

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 savante0,0000,001
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 Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,207 · 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

Citations10
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Science & Technology Water SupplyMême sujetWater Treatment and DisinfectionTravaux en français237 207