MétaCan
Menu
Retour à la cohorte
Enregistrement W2898021355 · doi:10.1680/jenes.18.00010

Anodic performance of microbial electrolysis cells in response to ammonia nitrogen

2018· article· en· W2898021355 sur OpenAlexaffvenue
Sajib Barua, Basem S. Zakaria, Abdullah Al-Mamun, Bipro Ranjan Dhar

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Fuel Cells and Bioremediation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAnodeFaraday efficiencyChemistryElectrolysisNitrogenAmmoniaMicrobial electrolysis cellChemical oxygen demandInorganic chemistryEnvironmental chemistryMicrobial fuel cellElectrodeElectrolyteEnvironmental engineeringBiochemistryWastewater

Résumé

récupéré en direct d'OpenAlex

In this study, the authors investigated how various total ammonia nitrogen (TAN) concentrations (128–1231 mg nitrogen/l) in the substrate medium affect the anodic performance of dual-chamber microbial electrolysis cells (MECs) with an anion-exchange membrane (AEM) and a cation-exchange membrane (CEM). The current densities and midpoint potentials of the bioanode in the AEM-MEC were independent of TAN concentration changes. In comparison, current densities in the CEM-MEC considerably dropped at a high TAN concentration of 1231 mg nitrogen/l, and the midpoint potential of the bioanode became increasingly positive, indicating that the anode biofilm was negatively affected by a high TAN concentration. Comparison of pH and TAN concentration changes in the anolyte in the CEM-MEC suggests that high levels of TAN did not directly influence anode-respiring bacteria (ARB) metabolism; accumulation of protons was the primary reason for the deterioration of anodic performance. However, the patterns of changes in chemical oxygen demand (COD) removal efficiencies and coulombic efficiencies in response to increased TAN concentrations were quite similar in the two MECs. The COD removal efficiencies also decreased at elevated TAN concentrations, while coulombic efficiencies increased, suggesting that non-ARB activity was reduced in both MECs.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,140
Score d'incertitude au seuil0,290

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,002
Tête enseignante GPT0,162
Écart entre enseignants0,159 · 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

Citations21
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetMicrobial Fuel Cells and BioremediationTravaux en français237 207