MétaCan
Menu
Retour à la cohorte
Enregistrement W2427675085 · doi:10.2175/106143008x266751

Comparison of Nitrification Rates in Conventional and Membrane‐Assisted Biological Nutrient Removal Processes

2008· article· en· W2427675085 sur OpenAlexaff
Alessandro Monti, Eric R. Hall

Notice bibliographique

RevueWater Environment Research · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNitrificationChemistryActivated sludgeWastewaterEnhanced biological phosphorus removalMembraneAmmoniumPulp and paper industrySewage treatmentChromatographyNitrogenEnvironmental engineeringEnvironmental scienceBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A membrane-assisted and a conventional activated sludge system, both operated in an enhanced biological phosphorus removal (EBPR) mode and under identical operating conditions, were studied to investigate the effect of the membrane solids-liquid separation on nitrification activity. Both the membrane EBPR (MEBPR) and conventional EBPR (CEBPR) processes achieved stable and complete removal of ammonium-nitrogen from the influent wastewater. However, when the intrinsic nitrification activity was assessed in offline batch tests, the CEBPR mixed liquor exhibited 15 to 75% greater nitrification potential than the MEBPR counterpart. These results were further validated by monitoring nitrification rates of conventional mixed liquor as it evolved toward a membrane mixed liquor. It was also demonstrated that the larger aerobic mass fraction of the MEBPR system could not be the only factor influencing the reduced intrinsic nitrification rate. The present study strongly suggests that the presence of a membrane solids-liquid separation per se may be sufficient to alter the nitrification kinetics of an EBPR mixed liquor and that this possibility should be considered in arriving at an appropriate process design.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,269
Score d'incertitude au seuil1,000

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,123
Tête enseignante GPT0,340
Écart entre enseignants0,217 · 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.

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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

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