MétaCan
Menu
Retour à la cohorte
Enregistrement W2885713062 · doi:10.3390/chemengineering2030037

Removal of the Recalcitrant Artificial Sweetener Sucralose and Its By-Products from Industrial Wastewater Using Microbial Reduction/Oxidation of Iron

2018· article· en· W2885713062 sur OpenAlexaff
Volodymyr Ivanov, Viktor Stabnikov, Joo Hwa Tay

Notice bibliographique

RevueChemEngineering · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésWastewaterChemistryFerrousBiodegradationChemical oxygen demandIndustrial wastewater treatmentSucralosePulp and paper industryIron bacteriaAdsorptionEnvironmental chemistryWaste managementBacteriaOrganic chemistryFood science

Résumé

récupéré en direct d'OpenAlex

The wastewater of the industrial production of artificial sweetener sucralose contained an average 1100 mg/L of total organic carbon (TOC) with 2100 mg/L of chemical oxygen demand and 10 mg/L of biological oxygen demand. Biodegradability of the wastewater components was low due to chlorinated organic substances. The combined chemical and biological treatment of this wastewater in the bioreactors with hematite iron ore removed up to 70% of TOC. About 20% of TOC was removed quickly by adsorption on iron ore particles, but adsorption/precipitation of others up to 50% of TOC was due to ferrous/ferric ions and hydroxides produced during microbial reduction and dissolution of iron ore. The calculated dosage of iron ore with 150 regeneration cycles could be 46.7 g/L of wastewater. Thus, the treatment of wastewater with iron ore and iron-reducing bacteria diminished the quantity of granulated activated carbon that is used in the treatment of sucralose production wastewater by up to 70%.

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 enseignants0,001
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,032
Tête enseignante GPT0,233
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemEngineeringMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207