MétaCan
Menu
Retour à la cohorte
Enregistrement W3095334680 · doi:10.19044/esj.2020.v16n30p1

Performance Of Inherent Electrogens In Benthic Sediment Mud At Different Ph Conditions In Microbial Fuel Cell

2020· article· en· W3095334680 sur OpenAlexaffabout
Binjal Pradhan, Ranjan Pradhan

Notice bibliographique

RevueEuropean Scientific Journal ESJ · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Fuel Cells and Bioremediation
Établissements canadiensUniversity of GuelphSt. Clair College
Organismes subventionnairesnon disponible
Mots-clésBenthic zoneSedimentMicrobial fuel cellEnvironmental scienceEnvironmental chemistryChemistryOceanographyGeologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Comparative measurement of electricity produced by inherent eletrogens in benthic mud that were maintained at different operating pH using microbial fuel cell was studied. A two-chamber microbial fuel cell model with proton exchange membrane was adopted for this study applying electrogene sourced from benthic mud collected from local lake and pond in Ontario. The objective of this study is to investigate the effects of different pH of 6, 7 and 8 maintained within the anode cell in a microbial biofuel cell (MFC) containing microbial communities found in a benthic mud medium over 192 hours. The outcomes of the study demonstrated that in acidic conditions, there was an initial decrease in output whereas an alkaline condition allowed for the acclimatization and eventual increase of electric current and microbial activity of the study period. MFC operated at pH 7 generated consistently higher electric power during the study duration exhibiting ideal conditions for the inherent exoelectrogenic bacteria. On average 249.8 mV of electricity were measured from the MFC with pH 7. The average current density calculated to be 9.76 (±2.02) X 10-5 µA/cm2 . The average power density during the study period was calculated to be 2.49 (± 0.77) X 10-5 µW/cm2

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)0,001
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 enseignants0,325
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0030,001

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 Opus0,013
Tête enseignante GPT0,196
Écart entre enseignants0,183 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Scientific Journal ESJMême sujetMicrobial Fuel Cells and BioremediationTravaux en français237 207