MétaCan
Menu
Retour à la cohorte
Enregistrement W2621198547 · doi:10.2166/wst.2017.330

How well-mixed is well mixed? Hydrodynamic-biokinetic model integration in an aerated tank of a full-scale water resource recovery facility

2017· article· en· W2621198547 sur OpenAlexaff
Usman Rehman, Wim Audenaert, Youri Amerlinck, Thomas Maere, Marina Arnaldos, Ingmar Nopens

Notice bibliographique

RevueWater Science & Technology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversité Laval
Organismes subventionnairesUniversity of Cape TownCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorEuropean Commission
Mots-clésMixing (physics)Computational fluid dynamicsAerationEnvironmental scienceCalibrationProcess (computing)Scale (ratio)Current (fluid)MechanicsComputer scienceEngineeringMathematicsWaste managementPhysics

Résumé

récupéré en direct d'OpenAlex

Current water resource recovery facility (WRRF) models only consider local concentration variations caused by inadequate mixing to a very limited extent, which often leads to a need for (rigorous) calibration. The main objective of this study is to visualize local impacts of mixing by developing an integrated hydrodynamic-biokinetic model for an aeration compartment of a full-scale WRRF. Such a model is able to predict local variations in concentrations and thus allows judging their importance at a process level. In order to achieve this, full-scale hydrodynamics have been simulated using computational fluid dynamics (CFD) through a detailed description of the gas and liquid phases and validated experimentally. In a second step, full ASM1 biokinetic model was integrated with the CFD model to account for the impact of mixing at the process level. The integrated model was subsequently used to evaluate effects of changing influent and aeration flows on process performance. Regions of poor mixing resulting in non-uniform substrate distributions were observed even in areas commonly assumed to be well-mixed. The concept of concentration distribution plots was introduced to quantify and clearly present spatial variations in local process concentrations. Moreover, the results of the CFD-biokinetic model were concisely compared with a conventional tanks-in-series (TIS) approach. It was found that TIS model needs calibration and a single parameter set does not suffice to describe the system under both dry and wet weather conditions. Finally, it was concluded that local mixing conditions have significant consequences in terms of optimal sensor location, control system design and process evaluation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,212
Écart entre enseignants0,202 · 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'étudeSimulation ou modélisation
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

Citations30
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207