MétaCan
Menu
Retour à la cohorte
Enregistrement W2593346493 · doi:10.2166/wst.2017.132

Cost comparison of full-scale water reclamation technologies with an emphasis on membrane bioreactors

2017· article· en· W2593346493 sur OpenAlexfundno aff
Raquel Iglesias, Pedro Simón, Lucas Moragas, Augusto Arce, Ignasi Rodríguez‐Roda

Notice bibliographique

RevueWater Science & Technology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institute for Advanced Research
Mots-clésLand reclamationOperating expenseFiltration (mathematics)Environmental scienceAerationOperating costCapital costEnvironmental engineeringWater treatmentReuseWaste managementReclaimed waterMembrane bioreactorSewage treatmentEngineeringBusinessMathematics

Résumé

récupéré en direct d'OpenAlex

The paper assesses the costs of full-scale membrane bioreactors (MBRs). Capital expenditures (CAPEX) and operating expenses (OPEX) of Spanish MBR facilities have been verified and compared to activated sludge plants (CAS) using water reclamation treatment (both conventional and advanced). Spanish MBR facilities require a production of 0.6 to 1.2 kWh per m3, while extended aeration (EA) and advanced reclamation treatment require 1.2 kWh per m3. The energy represents around 40% of the OPEX in MBRs. In terms of CAPEX, the implementation costs of a CAS facility followed by conventional water reclamation treatment (physical–chemical + sand filtration + disinfection) ranged from 730 to 850 €.m−3d, and from 1,050 to 1,250 €.m−3d in the case of advanced reclamation treatment facilities (membrane filtration) with a capacity of 8,000 to 15,000 m3d−1. The MBR cost for similar capacities ranges between 700 and 960 €.m−3d. This study shows that MBRs that have been recently installed represent a cost competitive option for water reuse applications for medium and large capacities (over 10,000 m3d−1), with similar OPEX to EA and conventional water reclamation treatment. In terms of CAPEX, MBRs are cheaper than EA, followed by advanced water reclamation treatment.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,026
Tête enseignante GPT0,281
Écart entre enseignants0,255 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations72
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetWastewater Treatment and ReuseTravaux en français237 207