MétaCan
Menu
Retour à la cohorte
Enregistrement W3030769667 · doi:10.2166/wst.2020.256

Process water recovery via forward osmosis: membrane and integrated process development

2020· article· en· W3030769667 sur OpenAlexaff
Jeffrey T. Martin, Γεώργιος Κολλιόπουλος, Vladimiros G. Papangelakis

Notice bibliographique

RevueWater Science & Technology · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésForward osmosisEnergy consumptionOsmosisProcess engineeringVolumetric flow rateWastewaterReverse osmosisWork (physics)Process (computing)MembraneEnvironmental scienceEnvironmental engineeringChemistryEngineeringComputer scienceThermodynamicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract This work reports on efforts to develop an integrated continuous forward osmosis system for the recovery of water from wastewater streams, highlighting critical process parameters to minimize energy consumption. Forward osmosis experiments were performed using NaCl draw solutions of various concentrations and the intrinsic membrane parameters (water permeability, draw solution permeability, and structural parameter) were then determined via nonlinear regression using MATLAB. The experimental data was then used to validate a theoretical water flux model, which was subsequently applied to simulate the forward osmosis performance under different hydrodynamic conditions using both NaCl and TMA-CO2-H2O (TMA: trimethylamine) draw solutions. Analysis of the energy efficiency of the TMA-CO2 draw solution regeneration stage revealed that the draw solution flow rate has a significant impact on energy consumption. Also, increasing the feed flow rate was found to slightly enhance the water flux up to 2.5%, while having a negligible impact on the downstream regeneration process energy consumption.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,024
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,229
Écart entre enseignants0,219 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetMembrane Separation TechnologiesTravaux en français237 207