MétaCan
Menu
Retour à la cohorte
Enregistrement W2464224916 · doi:10.1061/(asce)ee.1943-7870.0001146

Start-Up of an Anaerobic Moving Bed–Biofilm Reactor and Transition to Brewery Wastewater Treatment

2016· article· en· W2464224916 sur OpenAlexaff
Alessandro di Biase, Tanner R. Devlin, Jan A. Oleszkiewicz

Notice bibliographique

RevueJournal of Environmental Engineering · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Fuel Cells and Bioremediation
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésChemical oxygen demandWastewaterBiogasMethanePulp and paper industryChemistryBiomass (ecology)Volume (thermodynamics)Anaerobic digestionAnaerobic exerciseEnvironmental scienceSewage treatmentEnvironmental engineeringAnimal scienceWaste managementEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Two 4-L anaerobic moving bed–biofilm reactors (AMBBR) with different quantities of cubic media (25 and 35% by volume) were examined. Reactors were fed synthetic protein-based feed and both were shown to be capable of treating up to 20 kg/m3 day of chemical oxygen demand (COD), achieving 80% COD removal. Beyond that load the performance began to decrease. The maximum biogas production observed was 9.25 m3 CH4/m3 day at an organic loading rate (OLR) of 20 kg COD/m3 day. The methane composition varied between 60 and 70%. Averaged methane yields of 0.36±0.07 m3 CH4/kg COD removed and specific removal rates from 0.4 to 20 kg COD/m3 day were achieved. At the maximum OLR above 20 kg COD/m3 day, the specific surface area activity was calculated as 98 and 75 g COD/m2 day in the 25 and 35% reactors, respectively. Kinetic tests performed at the maximum OLR revealed that free-floating suspended biomass contributed to no more than 2.5% of the total removal. The reactors were also capable of treating brewery wastewater, reliably attaining 80% COD removal with methane yields of 0.36±0.06 and 0.39±0.03 m3 CH4/kg COD from the 35 and 25% reactors, respectively.

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 enseignants0,038
Score d'incertitude au seuil0,503

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 Opus0,005
Tête enseignante GPT0,167
Écart entre enseignants0,163 · 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

Citations17
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental EngineeringMême sujetMicrobial Fuel Cells and BioremediationTravaux en français237 207