MétaCan
Menu
Retour à la cohorte
Enregistrement W2889980549 · doi:10.2175/106143017x15131012152861

Bench‐Scale Evaluation of Hydrothermal Processing Technology for Conversion of Wastewater Solids to Fuels

2018· article· en· W2889980549 sur OpenAlexaff
P. A. Marrone, Douglas C. Elliott, Justin M. Billing, Richard T. Hallen, Todd R. Hart, Paul Kadota, Jeff Moeller, Margaret A. Randel, Andrew J. Schmidt

Notice bibliographique

RevueWater Environment Research · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensBurnaby Hospital
Organismes subventionnairesPacific Northwest National LaboratoryOffice of Energy Efficiency and Renewable EnergyWater Environment and Reuse FoundationU.S. Department of Energy
Mots-clésHydrothermal liquefactionHydrodesulfurizationChemical oxygen demandWaste managementWastewaterPulp and paper industryChemistryEnvironmental scienceCatalysisBiofuelOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Hydrothermal Liquefaction (HTL) and Catalytic Hydrothermal Gasification (CHG) proof-of-concept bench-scale tests were performed to assess the potential of hydrothermal treatment for handling municipal wastewater sludge. HTL tests were conducted at 300 to 350 °C and 20 MPa on three different feeds: primary sludge, secondary sludge, and digested solids. Corresponding CHG tests were conducted at 350 °C and 20 MPa on the HTL aqueous phase output using a ruthenium-based catalyst. Biocrude yields ranged from 25 to 37%. Biocrude composition and quality were comparable to biocrudes generated from algae feeds. Subsequent hydrotreating of biocrude resulted in a product with comparable physical and chemical properties to crude oil. CHG product gas methane yields on a carbon basis ranged from 47 to 64%. Siloxane concentrations in the CHG product gas were below engine limits. The HTL-CHG process resulted in a chemical oxygen demand (COD) reduction of > 99.9% and a reduction in residual solids for disposal of 94 to 99%.

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)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,035
Tête enseignante GPT0,300
Écart entre enseignants0,265 · 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

Citations119
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207