MétaCan
Menu
Retour à la cohorte
Enregistrement W2421877179 · doi:10.2175/106143009x12487095237152

Modeling Thermomechanical Pulp and Paper Activated Sludge Treatment Plants to Gain Insight to the Causes of Bulking

2010· article· en· W2421877179 sur OpenAlexaffabout
Jean‐Martin Brault, Yves Comeau, Paul Stuart

Notice bibliographique

RevueWater Environment Research · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensPolytechnique MontréalNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesnon disponible
Mots-clésActivated sludgeEffluentPaper millPulp and paper industryPulp (tooth)Environmental scienceSewage treatmentSettlingWaste managementEnvironmental engineeringChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

The Activated Sludge Model No. 1 was chosen as the basis for model development and was modified to take into account the specific characteristics of pulp and paper effluents. The model was incorporated to the GPS-X simulation environment (Hydromantis, Hamilton, Ontario, Canada) to study operating deficiencies and nutrient transformations, particularly in relation to bulking. The results show that the process of ammonification is not significant at the studied mill and that the process of phosphatification (transformation of soluble organic phosphorus into orthophosphates) seems to be related to settling problems, as indicated by the sludge volume index. The phosphatification rate and the standard oxygen-transfer efficiency were found to decrease as the system entered a bulking state. Understanding the behavior of pulp and paper activated sludge can be improved by the incorporation of industry-specific processes and components to comprehensive models. These models then can be used to gain insight to the causes of bulking.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,000
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 Opus0,047
Tête enseignante GPT0,284
Écart entre enseignants0,237 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207