MétaCan
Menu
Retour à la cohorte
Enregistrement W2947391130 · doi:10.5539/jsd.v12n3p203

Optimized Design of Wastewater Treatment Sludge and Municipal Solid Wastes Co-Composting

2019· article· en· W2947391130 sur OpenAlexvenueno aff
Saeed Nemati, Bijan Samali, Farshad Sanati

Notice bibliographique

RevueJournal of Sustainable Development · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerationEnvironmental scienceWaste managementDewateringMunicipal solid wastePulp and paper industryWastewaterSewage treatmentMechanical biological treatmentWater contentCarbon fibersEnvironmental engineeringMaterials scienceWaste collectionEngineering

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is nutrient resources recovery by achieving the optimal chemical oxygen demand (COD) and carbon to nitrogen ratio (C/N) in co-composting wastewater treatment plant sludge with Municipal Solid Wastes (MSW). In this effort, the co-composting has been conducted in form of a case study in the southern region of Caspian Sea. In this research, 192 tests were carried out on four series of samples examined in terms of waste to sludge ratio, different aeration period, the percent of porous materials and the moisture content. This study was carried out at a temperature of 65 °C for a 15 day period by application of the in-vessel system and shows that the best ratio for waste to sludge is 2:1, while the 8 hour period is the best aeration period. The porous material which can be added to the composting process is limited to 15% in weight. In other words, any more or less amount of this material will adversely impact the process. Moreover, this research suggests that the sludge dewatering is not required in such processes. In Addition, the efficiency of both COD and C/N reductions equals to about 40%.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,026
Tête enseignante GPT0,254
Écart entre enseignants0,228 · 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'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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetComposting and Vermicomposting TechniquesTravaux en français237 207