MétaCan
Menu
Retour à la cohorte
Enregistrement W2898058285 · doi:10.5004/dwt.2018.22501

Sludge remnant treatment based on ultrasound

2018· article· en· W2898058285 sur OpenAlexaff
Jincheng Xie, Dengpan Qiao, Tao Deng, F. H. Huang, Yabin Mo, Jiashun Peng

Notice bibliographique

RevueDesalination and Water Treatment · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHumic Substances and Bio-Organic Studies
Établissements canadiensNickel Institute
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceWaste managementUltrasoundMedicineEngineeringRadiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT To solve remaining sludge handling problems, ultrasonic waves were used. In the low C/N wastewater treatment process, a large carbon source needed to be added to maintain a certain nitrogen and phosphorus removal efficiency. After the remaining sludge was dissolved and broken, the internal carbon source was used as an external carbon source, flowing back into the main denitrification process. The change in nitrogen and phosphorus removal efficiency, the reduction of residual sludge and the effect of resource utilization were studied. The residual sludge was pretreated by ultrasonic waves. Under the ultrasonic action, the cell wall of the remaining sludge was cracked, and the contents were released into the system. The SCOD, ammonia nitrogen and total nitrogen in the system greatly increased. An A/O device was used for the rapid acclimation of the denitrification sludge, and the final influent index was 180 mg/L, and the COD was 1200 mg/L. Total phosphorus was 17 mg/L, and the ammonia nitrogen in the effluent was less than 1 mg/L. COD was less than 50 mg/L. The total phosphorus was less than 1 mg/L. The total nitrogen removal rate was about 86%. Regarding sludge reduction, the experimental group accumulated a 783.2 g discharge of residual sludge, while the sludge yield was 0.131 g-MLSS/g-COD, achieving a sludge reduction rate of 23.20%. Therefore, the system can effectively reduce excess sludge.

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 seuil0,004

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,030
Tête enseignante GPT0,240
Écart entre enseignants0,209 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDesalination and Water TreatmentMême sujetHumic Substances and Bio-Organic StudiesTravaux en français237 207