MétaCan
Menu
Retour à la cohorte
Enregistrement W2483323368 · doi:10.2166/wqrjc.2016.007

Simultaneous regeneration of exhausted zeolite and nitrogen recovery using an air stripping method at alkaline pH

2016· article· en· W2483323368 sur OpenAlexaff
Qiaosi Deng, Elsayed Elbeshbishy, Hyung‐Sool Lee

Notice bibliographique

RevueWater Quality Research Journal · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésStripping (fiber)ChemistryAir strippingAmmoniaZeoliteAmmoniumNitrogenChromatographyVolumetric flow rateRegeneration (biology)Waste managementMaterials scienceCatalysisWastewaterBiochemistryOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Ammonium nitrogen recovery using natural zeolite from the permeates of anaerobic membrane bioreactors was investigated with batch and continuous experiments. Regeneration of exhausted zeolite was compared between mechanical shaking and air stripping, and experimental results showed the superiority of air stripping over the shaking. Liquid circulation and air flow rates were optimized in a continuous zeolite-packed column with a separate recovery system consisting of a regeneration chamber and a stripping column. The liquid circulation rate had significant effect neither on the regeneration efficiency (RE) nor the ammonia transfer efficiency (ATE), while the ATE significantly increased with increasing air flow rate. The effect of pH on ammonia recovery was also tested and the results showed that both RE and ATE significantly improved at alkaline pH. When pH increased from 9.5 to 12, the RE increased from 9.2% to 84% and the ATE increased from 54% to 92%. The results emphasized that the pH should be higher than 11 for efficient regeneration and recovery of ammonia. The preliminary economic analysis showed the superiority of the alkaline regeneration–air stripping process over the high pH regeneration and the conventional regeneration.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
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 savante0,0000,001
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 Opus0,150
Tête enseignante GPT0,418
Écart entre enseignants0,268 · 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

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetMembrane Separation TechnologiesTravaux en français237 207