MétaCan
Menu
Retour à la cohorte
Enregistrement W3029051169 · doi:10.5539/mas.v14n6p90

Recent Advance in Anaerobic Co-digestion Technology: A Review

2020· review· en· W3029051169 sur OpenAlexvenueno aff
Andriamahefasoa Rajaonison, Ives Abel Fetra Andriatsitohaina Rabesahala, Hery Tiana Rakotondramiarana

Notice bibliographique

RevueModern Applied Science · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnaerobic digestionBiogasBiochemical engineeringEnvironmentally friendlyDigestion (alchemy)Environmental scienceBiofuelRenewable energyBiodegradationProcess engineeringProcess (computing)Renewable resourceWaste managementPulp and paper industryFossil fuelComputer scienceChemistryMethaneEngineeringBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Due to their polluting characteristics, fossil fuels presently tend to be replaced by renewable energy resources. Anaerobic digestion is a recent technology for producing biofuels. As a biochemical method to produce biogas, it is more environmentally friendly than other processes and is almost non-polluting. The anaerobic co-digestion is an upgrade of the mono-digestion since some limitations of the single-substrate degradation were solved by digesting two or more substrates. The present review gives an overview of the progress made in the anaerobic co-digestion technology. Appearing as a complex technology, lots of factors can affect its operation. Those factors include the choice and the composition of the substrates, the ratio between the substrates and the inoculum, the pretreatment, the environmental conditions, the operational parameters, and the post-treatment at the end of the process. Analytical and empirical tools for the assessment of the whole system in terms of biodegradability and synergy of the substrates, the efficiency of the process, and the identification of the operation inhibitors are also presented in this paper.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 GPT0,296
Écart entre enseignants0,271 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207