MétaCan
Menu
← Retour à la cohorte
Enregistrement W2901930622 · doi:10.1139/cjce-2018-0243

Approches opérationnelles pour favoriser la nitrification dans un biofiltre aéré à flux descendant

2018· article· fr· W2901930622 sur OpenAlexafffundvenue
François-René Bourgeois, Frédéric Monette

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2018
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésNitrificationForestryChemistryEnvironmental sciencePhysicsHumanitiesEnvironmental engineeringAnimal scienceNitrogenArtBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Avec le resserrement des exigences réglementaires relatives à l’azote ammoniacal, plusieurs stations d’épuration doivent réduire leur charge azotée rejetée. Dans l’objectif de favoriser la nitrification d’un filtre biologique Biocarbone®, des essais d’aération, de modifications des paramètres de lavage et de réduction du débit ont été réalisés. Le suivi a été effectué à différentes profondeurs dans le média filtrant. Les résultats montrent que l’oxygène dissous doit être d’au moins 6 mg-O2/L pour favoriser la nitrification dans la partie profonde du filtre. Des enlèvements en demande chimique en oxygène (DCO), en demande biochimique carbonée en oxygène en 5 jours (CDBO5) et en N–NH4+ de 89, 95 et 38 % ont été respectivement obtenus, tandis que la consommation supplémentaire d’énergie a été évaluée entre 69 et 407 kWh/jour par kg de CDBO5 et de N–NH4+ enlevés. Les résultats suggèrent que l’aération constitue un paramètre-clé pouvant être partiellement contrôlé par le temps de rétention hydraulique, combiné à des lavages plus courts et fréquents stimulant davantage les bactéries nitrifiantes.

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)0,0010,000
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 recherche0,0010,001
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 Opus0,009
Tête enseignante GPT0,180
Écart entre enseignants0,171 · 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'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil Engineering→Même sujetWastewater Treatment and Nitrogen Removal→Travaux en français237 207→