MétaCan
Menu
Retour à la cohorte
Enregistrement W2521226405 · doi:10.2166/wqrj.2008.005

Bench-Scale Evaluation of Sonication as a Pretreatment Process for Ultraviolet Disinfection of Wastewater

2008· article· en· W2521226405 sur OpenAlexaff
Darrell Hai Nien Yong, W.L. Cairns, Ted Mao, Ramin Farnood

Notice bibliographique

RevueWater Quality Research Journal · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensTrojan Technologies (Canada)University of Toronto
Organismes subventionnairesnon disponible
Mots-clésSonicationEffluentTrickling filterWastewaterChemistryUltravioletPulp and paper industryActivated sludgeSewage treatmentEnvironmental scienceChromatographyEnvironmental engineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract It is generally known that sonication improves ultraviolet (UV) disinfection kinetics of municipal effluents by breaking large suspended particles. However, the feasibility of sonication as a pretreatment technology largely depends on wastewater quality and discharge requirements. The purpose of this study was to investigate the potential benefits of ultrasound for improving the UV disinfectability of various effluent types, including primary, activated sludge, and trickling filter effluents. It was found that the tailing level of the dose-response curve at high UV doses (>40 mJ/cm2) decreased with the increased sonication time. The reduction in the tailing level had a strong correlation with the decrease in the number concentration of large particles (<60 µm) such that 1 log reduction in the number concentration of large particles resulted in 1.4, 1.1, and 1.7 log reductions in the tailing level for primary, activated sludge, and trickling filter effluents, respectively. However, the improvement in the UV disinfectability due to sonication was partly offset by the reduction in the UV transmittance of the effluent.

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)0,000
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 enseignants0,021
Score d'incertitude au seuil0,876

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
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)0,0010,000

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 Opus0,233
Tête enseignante GPT0,473
Écart entre enseignants0,240 · 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

Citations10
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetMembrane Separation TechnologiesTravaux en français237 207