Effects of chemical and biological membrane filtration pre-treatment processes on NOM characteristics
Notice bibliographique
Résumé
Membrane filtration is commonly applied to reduce dissolved organic carbon (DOC) concentration to control trihalomethanes (THMs) formation; however, the high levels of DOC in the Canadian Prairies water sources can cause severe membrane fouling. Integrated biological and reverse osmosis membrane (IBROM) process is an RO membrane treatment unit utilizing primarily biological filtration pre-treatment. IBROM process claims to remove biodegradable DOC (BDOC), which allegedly should result in reduced fouling of the RO membranes. In this study, several pre-treatment methods, such as coagulation (with alum, polyaluminum chloride (PACl), aluminum chlorohydrate (ACH) and ferric chloride) and oxidation (with KMnO4 and H2O2/UV) were evaluated for removal of DOC, BDOC, and THMs formation potential (THMFP). Moreover, BDOC change was measured in the biofiltration process using filters in the IBROM system. High-organic raw water source supplying the community of Herbert (Saskatchewan, Canada) was used in the experiments (DOC =17.5-22.7 mg/L and BDOC= 5.7-7.5 mg/L). The IBROM filters reduced DOC by 11% and increased the BDOC by 7%. Although the coagulation with PACl achieved the highest DOC and BDOC reduction (up to 57% and 58%, respectively), the coagulated water had the highest THMFP. H2O2/UV oxidation reduced the DOC only slightly by 10%, but the corresponding increase of BDOC and reduction of THMFP was very high (43% and 72%, respectively). Similar observations were made regarding oxidation with KMnO4. Overall, the waters with a higher concentration of BDOC had lower THMFP.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».