Towards a Predictive Model for Initial Chlorine Dose in Humanitarian Emergencies
Notice bibliographique
Résumé
Free chlorination is a widely employed disinfection method in humanitarian water provision due to its many advantages. However, its effective application is hindered by the challenge in determining adequate initial doses to achieve free chlorine residuals that satisfy both health and aesthetic requirements. Current guidelines show varying recommended dosing strategies, and many do not adequately consider chlorine decay mechanisms that occur during water storage. Even though turbidity is commonly used as a criterion for deciding chlorine dose, it may not be an adequate proxy for the water quality in many cases. This paper addresses the fundamental relationships between chlorine decay kinetics and selected key water parameters (i.e., natural organic matter, water temperature, chlorine demand) by conducting chlorine decay tests in controlled conditions and in jerrycans (i.e., simulating humanitarian water treatment conditions). Chlorine decay constant from the Feben and Taras’s empirical model and first order model formed linear and exponential relationships with two water parameters (UVA254 and 30-min chlorine demand). With these relationships, the two chlorine decay models can be calibrated quickly and frequently in the field, allowing effective determination of initial chlorine dose. These two models calibrated based on the suggested water parameters from the study could predict chlorine decay in water having a main chlorine demand-inducing constituents as natural organic matter. However, they underpredicted chlorine decay in surface water with additional chlorine reactants. Further research on additional chlorine decay mechanisms is needed to expand the applicability of the models.
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) | 0,001 | 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 ».