MétaCan
Menu
Retour à la cohorte
Enregistrement W2940573396

Application of Low Pressure Reverse Osmosis Membranes for the treatment of UASB effluent

2019· dissertation· en· W2940573396 sur OpenAlexfundno aff
Peter Innes

Notice bibliographique

RevueThe Atrium (University of Guelph) · 2019
Typedissertation
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensnon disponible
Organismes subventionnairesOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésReverse osmosisEffluentMembranePressure-retarded osmosisOsmosisOsmotic powerEnvironmental scienceWaste managementForward osmosisEnvironmental engineeringEngineeringPetroleum engineeringProcess engineeringChemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Research was completed on the performance of low energy reverse osmosis membranes for the treatment of Upflow Anaerobic Sludge Bioreactor (UASB) effluent with the goal of water reuse. The parameters studied were included the flux profile, constituent rejection, and membrane resistance changes. An investigation into the effectiveness of pre-treatment by GAC column and a study of fouling characteristics was also completed. Wastewater was taken from an industrial partner who operated an industrial scale UASB used to treat is brewery effluent. The studied RO membranes showed between 94-96% COD rejection, 93-96% TP rejection, and 68-80% TN rejection. The effluent quality met the reused guidelines put forth by the US EPA, however limits found in case studies suggest that the effluent quality is high in both salinity and COD. A GAC column was found to improve the flux and rejection of all membranes. Calcium was identified as the main inorganic foulant.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,617
Score d'incertitude au seuil0,397

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Atrium (University of Guelph)Même sujetExtraction and Separation ProcessesTravaux en français237 207