MétaCan
Menu
Retour à la cohorte
Enregistrement W2541497114 · doi:10.2175/106143016x14609975747649

Potential Water Reuse for High Strength Fruit and Vegetable Processor Wastewater with an MBR

2016· article· en· W2541497114 sur OpenAlexafffund
Adam Moore, Richard G. Zytner, Sheng Chang

Notice bibliographique

RevueWater Environment Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésKjeldahl methodWastewaterEffluentMembrane bioreactorUltrafiltration (renal)ReuseBiochemical oxygen demandEnvironmental sciencePulp and paper industryWastewater reuseSewage treatmentNitrificationChemical oxygen demandGreywaterEnvironmental engineeringWaste managementChemistryNitrogenEngineeringChromatography

Résumé

récupéré en direct d'OpenAlex

High strength food processing wastewater from two processing plants was studied to determine the effectiveness of an aerobic membrane bioreactor (MBR) to reduce BOD, TSS and nutrients below municipal sewer discharge limits. The MBR comprised a 20 L lab-scale reactor combined with a flat sheet, ultrafiltration membrane module. The parameters studied included the operational flux, solids and hydraulic retention times and recirculation ratio with regards to nitrification/denitrification. The MBR system provided excellent removal efficiency at 97% COD, 99% BOD, 99.9% TSS, 90% TKN, and 60% TP for both processing plants, which eliminated the surcharges, allowing the firms to stay competitive. Effluent reuse tests showed that activated carbon proved effective in removing color from the MBR permeate, while UV treatment was able to achieve a 5 log reduction in bacteriophage. Overall, these treatment successes show the potential for water reuse in the agrifood sector.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,024
Tête enseignante GPT0,267
Écart entre enseignants0,243 · 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'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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetMembrane Separation TechnologiesTravaux en français237 207