MétaCan
Menu
Retour à la cohorte
Enregistrement W3004879549 · doi:10.2166/wst.2020.047

Effects of total suspended solids, particle size, and effluent temperature on the kinetics of peracetic acid decomposition in municipal wastewater

2019· article· en· W3004879549 sur OpenAlexaff
Tasnim Amerian, Ramin Farnood, Siva Sarathy, Domenico Santoro

Notice bibliographique

RevueWater Science & Technology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensTrojan Technologies (Canada)University of Toronto
Organismes subventionnairesnon disponible
Mots-clésPeracetic acidEffluentKineticsDecompositionParticle sizeChemistryReaction rate constantWastewaterNuclear chemistryParticle (ecology)Environmental engineeringAnalytical Chemistry (journal)ChromatographyOrganic chemistryHydrogen peroxidePhysical chemistryEnvironmental sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, the influence of total suspended solids (TSS) and particle size as well as effluent temperature on peracetic acid (PAA) decomposition kinetics in municipal wastewater was investigated. PAA decomposition was best described following second order kinetics in primary effluent (PE) and first order kinetics in secondary effluent (SE) samples. For synthetic samples prepared by varying TSS levels, PAA demand increased on average by about 0.042 mg/L in PE and 0.034 mg/L in SE for every 10 mg/L increase in TSS. Similarly, the PAA decay rate constant in these samples increased at a rate of 0.0014 L/mg.min and 0.00039 min−1, respectively, per 10 mg/L TSS. To examine the effect of particle size, synthetic samples with narrow size fractions (20–45, 45–75, and 75–90 μm) were prepared. It was found that samples with smaller particle size fractions had a greater PAA demand and decay rate constant. Effluent temperature also enhanced the PAA decomposition rate with the calculated activation energies for PE and SE samples being 29,980 J/mol and 34,860 J/mol, respectively.

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: 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
Métarecherche0,0000,001
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 savante0,0010,000
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 Opus0,003
Tête enseignante GPT0,207
Écart entre enseignants0,204 · 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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetWater Treatment and DisinfectionTravaux en français237 207