MétaCan
Menu
Retour à la cohorte
Enregistrement W2507930491 · doi:10.4267/dechets-sciences-techniques.1738

LOFT-ERI : un outil d'aide au choix de filières de traitement d'eaux résiduaires industrielles

2006· article· fr· W2507930491 sur OpenAlexafffund
Carole Muret, Valérie Laforest, Jacques Bourgois

Notice bibliographique

RevueEnvironnement Ingénierie & Développement · 2006
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensImpact
Organismes subventionnairesUniversité de Sherbrooke
Mots-clésFlocculationChemistryNuclear chemistryForestryHumanitiesPhysicsPulp and paper industryEnvironmental scienceEnvironmental chemistryEnvironmental engineeringEngineeringArtGeography

Résumé

récupéré en direct d'OpenAlex

This study contributed to the automatic choice of industrial wastewater treatment lines after obtaining UV spectra. Treatment lines taken into account are: advanced oxidation processes (H2O2/UV), biological treatment, coagulation/flocculation/precipitation, activated carbon adsorption or destruction methods like incineration. For the choice of treatment processes, a UV spectra mathematical treatment aims at the determination of several parameters. A decision making tool based on the parameters and developed with Excel® has been validated with 4 different industrial samples. Cette étude contribue au choix automatique de filières de traitement d'eaux résiduaires industrielles après obtention de leur spectre UV Les filières prises en compte sont les suivantes : procédés d'oxydation avancée (H2O2/UV),tratement biologique, coagulation/floculation/filtratioaadsorption sur charbon actif ou méthodes de destruction comme l'évapo-incinération. Un traitement mathématique des spectres UV permet la détermination de plusieurs paramètres conduisant au choix de filières par l'intermédiaire d'un outil informatique développé sous Excel®. L'outil a été validé avec une bonne adéquation, sur quatre échantillons provenant d'industries chimique, pharmaceutique ou mécanique.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,437
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,027
Tête enseignante GPT0,249
Écart entre enseignants0,221 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations0
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironnement Ingénierie & DéveloppementMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207