MétaCan
Menu
Retour à la cohorte
Enregistrement W3017165981 · doi:10.1139/cjce-2019-0515

Bench to full-scale enhanced primary treatment of municipal wastewater under wet weather flow for minimized pollution load: evaluation of chemical addition and process control indicators

2020· article· en· W3017165981 sur OpenAlexaffvenue
Mirna Alameddine, Abdul Rahim Al Umairi, Mohammed Zakee Shaikh, Mohamed Gamal El‐Din

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAlumTurbidityFlocculationChemical oxygen demandTotal suspended solidsWastewaterEnvironmental scienceSuspended solidsMixing (physics)Pulp and paper industryEnvironmental engineeringSewage treatmentCoagulationPollutionChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

The enhanced primary treatment of municipal primary influent under wet weather conditions was studied through a comprehensive approach from bench to full scale. The study delivered a practical solution for managing seasonal fluctuations in the influent wastewater by determining the most effective operation conditions for coagulation–flocculation. Three metal-based coagulants were tested through a series of jar tests. Alum outperformed other coagulants since 1 mg of Al added as alum with low mixing was able to remove 22 NTU, 19 mg COD, and 0.8 mg ortho-P. Three-factor analysis of variance (ANOVA) indicated that total suspended solids (TSS) removal depended mostly on rapid mixing while chemical oxygen demand (COD) and ortho-P removals depended on slow mixing and coagulant dose. In bench and full-scale operations, the addition of polymer did not lead to any pronounced improvements. Finally, turbidity and percent ultraviolet transmittance showed good correlation with TSS and ortho-P, which evokes their use as surrogates for micropollutants removal and online process control.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,381

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 Opus0,012
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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'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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetUrban Stormwater Management SolutionsTravaux en français237 207