MétaCan
Menu
Retour à la cohorte
Enregistrement W2463838301 · doi:10.3390/membranes6030038

Impact of PAC Fines in Fouling of Polymeric and Ceramic Low-Pressure Membranes for Drinking Water Treatment

2016· article· en· W2463838301 sur OpenAlexaff
Laurent Oligny, Pierre R. Bérubé, Benoît Barbeau

Notice bibliographique

RevueMembranes · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensPolytechnique MontréalUniversity of British ColumbiaNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesnon disponible
Mots-clésBackwashingMembraneFoulingMembrane foulingChemical engineeringChemistryChromatographyPowdered activated carbon treatmentBiofoulingCeramicActivated carbonPulp and paper industryOrganic chemistryAdsorption

Résumé

récupéré en direct d'OpenAlex

This study assessed the issue of membrane fouling in a Hybrid Membrane Process (HMP) due to the export of powdered activated carbon (PAC) fines from a pretreatment contactor. Two parallel pilot-scale ceramic and polymeric membranes were studied. Reversible and irreversible foulings were measured following three cleaning procedures: Physical backwashing (BW), chemically enhanced backwashing (CEB) and Clean-in-Place (CIP). The impacts on fouling of membrane type, operation flux increase and the presence/absence of the PAC pretreatment were investigated. Membranes without pretreatment were operated in parallel as a control. In addition, CIP washwaters samples were analyzed to measure organic and inorganic foulants removed from the membranes. It was observed that for the polymeric membranes, fouling generally increased with the presence of the PAC pretreatment because of the export of fines. On the contrary, the ceramic membranes were not significantly impacted by their presence. The analysis of CIP washwaters showed a greater total organic carbon (TOC) content on membranes with a PAC pretreatment while no similar conclusion could be made for inorganic foulants.

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 enseignants0,051
Score d'incertitude au seuil0,477

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 technologies0,0000,000
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 Opus0,013
Tête enseignante GPT0,262
Écart entre enseignants0,249 · 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

Citations15
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMembranesMême sujetMembrane Separation TechnologiesTravaux en français237 207