MétaCan
Menu
Retour à la cohorte
Enregistrement W2944482458 · doi:10.2166/wst.2019.164

Case study of sulfide generation and emission in sanitary sewer with drop structures and pump station

2019· article· en· W2944482458 sur OpenAlexafffundabout
Zhi Yang, David Z. Zhu, Tong Yu, Stephen Edwini-Bonsu, Yanchen Liu

Notice bibliographique

RevueWater Science & Technology · 2019
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesTsinghua Initiative Scientific Research ProgramNatural Sciences and Engineering Research Council of CanadaTsinghua University
Mots-clésSanitary sewerSulfideOdorEnvironmental scienceEnvironmental engineeringWaste managementSewageEngineeringChemistryMaterials scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract Field work was carried out to identify sewer odor hotspots and corresponding causes in a sanitary sewer trunk with drop structures and pump station in Steinhauer area, Edmonton, Canada. Relatively high concentrations of H2S were detected at the beginning and the end of the trunk with odor complaints. At the beginning of the trunk, sulfide emission was mainly caused by the increased stripping effect of the drop structures. The pump operation at the end of the trunk causes the long retention time of the sewage and the subsequent sulfide generation. The sulfide generation was modeled and calibrated using field measurements. The model was applied to assess mitigation strategies, and optimized pump operation was found to be able to reduce sulfide generation in the study trunk sewer.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,221

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 GPT0,235
Écart entre enseignants0,224 · 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

Citations12
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetOdor and Emission Control TechnologiesTravaux en français237 207