MétaCan
Menu
Retour à la cohorte
Enregistrement W2795622325 · doi:10.11159/awspt18.127

Optimization of High Rate DAF Process for Removal of Algae in WaterTreatment Plant

2018· article· en· W2795622325 sur OpenAlexvenueno aff
Woosik Jung, Hyun Je Oh

Notice bibliographique

RevueProceedings of the World Congress on Civil, Structural, and Environmental Engineering · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education, IndiaMinistry of Environment
Mots-clésAlgaeProcess (computing)Water treatmentProcess engineeringComputer scienceEnvironmental scienceBotanyBiologyEngineeringEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

In recent years there have been large increases in the hydraulic loading rates used to design dissolved air flotation (DAF) facilities for drinking water applications.High rate DAF processes are now available at loading rates of 20 to 40 m3/m2•h.This research evaluated dissolved air flotation as a separation method for algae and organic compounds from water treatment plants.During the service period of 2016. 5. to 2017.6., DAF pilot plants (500 m3/day) process has shown a constantly sound performance for the treatment of raw water, yielding a significantly low level of turbidity (DAF treated water, 0.21 ~ 1.56 NTU).As a result of analyzing the algae cell counts in the influent source, it was expressed at 100-120 cells/mL.In DAF treated water, the removal efficient of algae cell counts was found to be up to 90%.The stable turbidity and algae removal were confirmed by operating the high rate DAF process under the condition of the surface loading rate of 30 m3/m2•hr.The number of algae in the DAF treated water has been analyzed to be less than 100 cells/mL.These results indicated that the DAF process is effective in removing the algae.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,200 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Civil, Structural, and Environmental EngineeringMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207