MétaCan
Menu
Retour à la cohorte
Enregistrement W2527218153 · doi:10.11159/icepr16.151

Experimental and Theoretical Investigations of a Novel Multi-Stage Direct Contact Membrane Distillation Module

2016· article· en· W2527218153 sur OpenAlexvenueno aff
Young‐Deuk Kim, Woo‐Seung Kim

Notice bibliographique

RevueProceedings of the World Congress on New Technologies · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Foundation of KoreaNational Research Foundation
Mots-clésMembrane distillationDistillationStage (stratigraphy)Computer scienceProcess engineeringMembraneMaterials scienceChemistryEngineeringChromatography

Résumé

récupéré en direct d'OpenAlex

Global climate change and variability have a negative impact on a water supply and quality in remote areas by reducing water availability and contaminant dilution. This will continue to be exacerbated by limited and inadequate water supply, insufficient water treatment and low infrastructure. Thus, an economic desalination system with a small scale and footprint for such regions is strongly demanded in the desalination markets. Here, a direct contact membrane distillation (DCMD) process has the simplest configuration and potentially the highest permeate flux among all the possible MD processes. And it also can be consisted easily by a multi-stage manner to achieving an enhancement of compactness, productivity, versatility and cost-effectiveness. In this study, therefore, an innovative multistage direct contact membrane distillation module under countercurrent-flow operation is first designed and both theoretically and experimentally investigated to identify the feasibility and operability of its design for the desalination. For a three-stage DCMD module with a membrane area of 0.01 m 2 at each stage, the daily water production is found to be 21.5 kg at the inlet feed and permeate flow rates of 1.5 l/min and the inlet feed and permeate temperature of 70 C and 25 C.

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)0,001
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 enseignants0,165
Score d'incertitude au seuil0,793

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,028
Tête enseignante GPT0,272
Écart entre enseignants0,244 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on New TechnologiesMême sujetMembrane Separation TechnologiesTravaux en français237 207