MétaCan
Menu
Retour à la cohorte
Enregistrement W2946207170 · doi:10.1002/aic.16661

Lattice Boltzmann simulation of biofilm clogging and chemical oxygen demand removal in porous media

2019· article· en· W2946207170 sur OpenAlexafffund
Zhiwei Tian, Junye Wang

Notice bibliographique

RevueAIChE Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensAthabasca University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCloggingBiofilmChemical oxygen demandPorosityLattice Boltzmann methodsChemical engineeringPorous mediumPermeability (electromagnetism)OxygenChemistryBacterial growthMaterials scienceEnvironmental engineeringEnvironmental scienceBacteriaMembraneSewage treatmentThermodynamicsGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Understanding mechanisms of controlling the bacteria growth and degradation of pollutants is critical for effective improvements in water treatment and bioremediation in porous media. In this study, we developed an integrated model of individual‐based model and multicomponent lattice Boltzmann method to study interactions of oxygen, bioclogging, chemical oxygen demand (COD) removal, and their influence on growth and permeability of microbial biofilms. We found biofilm growth to be very heterogeneous on the surface of the solid matrix and pores. There is a biofilm porosity threshold. Beyond this threshold, the porosity of biofilm has no obvious influence on the flow rate and COD removal. We also studied the influence of initial cell populations, bulk oxygen concentration and biofilm permeability on the flow rate and COD removal. It demonstrated the capability of the present model to investigate biofilm growth, clogging and contaminants degradation in porous media, and its potential applications in water treatment.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,250
Écart entre enseignants0,235 · 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

Citations31
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207