MétaCan
Menu
Retour à la cohorte
Enregistrement W2902773746 · doi:10.6000/1929-6037.2018.07.02

Effect of Grit Chamber Configuration on Particle Removal: Using Response Surface Method

2018· article· en· W2902773746 sur OpenAlexvenueno aff
Nikoo Roghani Esfahani, Mohsen Nourouzi Mobarekeh, Mehran Hoodaji

Notice bibliographique

RevueJournal of Membrane and Separation Technology · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Soil, Plant Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGritParticle (ecology)Response surface methodologyParticle sizeMaterials scienceChemistryChemical engineeringChromatographyPsychologyEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

In recent years ever-increasing industrial growth has resulted in a significant increase in the production of wastewater, this wastewater sometimes contains high levels of suspended solids. Therefore, the need to formulate an appropriate course of action for managing this wastewater has reached a critical level. In this study, the removal of suspended particles in wastewater that were a byproduct of an idustrial cut stone production process were investigated. For these purposes, a laboratory grit chamber was employed, and response surface methodology (RSM) was used to simulate the contributing parameters in the settling process. In order to study the performance of the grit chamber, factors such as flow rate, inlet location and mesh size, parameters of pH, COD, BOD, TSS and turbidity in influent and effluent were monitored. Results indicated that values of pH, COD and BOD in raw wastewater were within the standard range of discharging wastewater. The results indicated that the model with a high correlation of 0.95 was able to simulate the process. In addition, turbidity removal was found to be affected by three parameters among which mesh size and its interaction with the flow rate were the most influential ones.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,019
Tête enseignante GPT0,311
Écart entre enseignants0,293 · 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'étudeSimulation ou modélisation
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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Membrane and Separation TechnologyMême sujetAgriculture, Soil, Plant ScienceTravaux en français237 207