Evaluating the effect of enzymatic pretreatment on the anaerobic digestibility of pulp and paper biosludge
Notice bibliographique
Résumé
• A new and rigorous approach for assessing the effect of enzymatic pretreatment on AD is proposed. • Enzymes can improve anaerobic digestion increasing biogas yields by up to 26%. • First study to isolate the effect of catalytic activity and organic load from enzymes to evaluate enzymatic pretreatment. • Enzymes did not appear to be inhibited or denatured in the presence of biosludge. Anaerobic digestion of biosludge has not yet been implemented in pulp mills due to low biogas yields. Enzymatic pretreatment of biosludge has shown improvements in biogas yields but results are varied. A key limitation of previous studies is that they fail to consider the COD contribution from the enzyme solutions. The aim of this study was to systematically investigate the potential for enzymatic pretreatment on the anaerobic digestibility of pulp mill biosludge. Out of the six enzymes tested, four enhanced the anaerobic digestibility of biosludge. At the end of the BMP, a maximum improvement of 26% in biogas yield was observed with protease from B. licheniformis . There was no correlation between enzymatic activities on standard substrates and/or on biosludge and the effect of enzymes on biogas yields. Enzymes have potential for improving biosludge anaerobic digestibility but more research on optimal conditions and potential synergies with other pretreatment is needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».