Effect of pre-treatments on biological methane potential of dewatered sewage sludge under dry anaerobic digestion
Notice bibliographique
Résumé
The aim of the study is to enhance hydrolysis of dewatered sewage sludge to tackle the problem of low biological methane potential (BMP) and low efficiency of dry anaerobic digestion. Different pre-treatment i.e. physical (ultrasonication), chemical (acid, ozone) and combined (ultrasonication-ozone) methods were investigated and evaluated in terms of BMP and biodegradation. Ultrasonic pre-treatment had the best result among the single technologies, the BMP increased by 104.7%, while total solid (TS), volatile solid (VS) and chemical oxygen demand (COD) reduction were improved by 30.1%, 36.9% and 33.9%, respectively, over control. Combined pre-treatment (ultrasonication-ozone) showed more significant enhancement than single methods as evidenced by 138.2% higher BMP and 53.7%, 63.7% and 57.3% more reduction in TS, VS, COD, respectively, over control. The BMP increment positively correlated either with energy input, concentration or dose of pre-treatment applied. Among the tested methods, the physical pre-treatments out-compete chemical ones. Ultrasonic combined with ozone pre-treatment technology has good energy and economic feasibility.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».