MétaCan
Menu
Retour à la cohorte
Enregistrement W2751781957 · doi:10.3390/membranes7030050

The Effect of Concentration Factor on Membrane Fouling

2017· article· en· W2751781957 sur OpenAlexafffund
Appana Lok, Pierre R. Bérubé, Robert C. Andrews

Notice bibliographique

RevueMembranes · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of British ColumbiaUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Toronto
Mots-clésFoulingUltrafiltration (renal)Membrane foulingMembraneWater treatmentMass transferRaw waterChemistryChemical engineeringMaterials scienceEnvironmental engineeringEnvironmental scienceChromatographyEngineering

Résumé

récupéré en direct d'OpenAlex

Bench-scale systems are often used to evaluate pretreatment methods and operational conditions that can be applied in full-scale ultrafiltration (UF) systems. However, the membrane packing density is substantially different in bench and full-scale systems. Differences in concentration factor (CF) at the solution-membrane interface as a result of packing density may impact the mass transfer and fouling rate and the applicability of bench-scale systems. The present study compared membrane resistance when considering raw water (CF = 1) and reject water (also commonly referred to as concentrate water) (CF > 1) as feed in UF systems operated in deposition (dead-end) mode. A positive relationship was observed between the concentration of the organic matter in the solution being filtered and resistance. Bench-scale trials conducted with CF = 1 water were more representative of full-scale operation than trials conducted with elevated CFs when considering membrane resistance and permeate quality. As such, the results of this study indicate that the use of the same feed water as used at full-scale (CF = 1) is appropriate to evaluate fouling in UF systems operated in deposition mode.

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 enseignants0,127
Score d'incertitude au seuil0,554

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,270
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 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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMembranesMême sujetMembrane Separation TechnologiesTravaux en français237 207