MétaCan
Menu
Retour à la cohorte
Enregistrement W3191342578 · doi:10.3390/w13152123

Treatment of Effluent of Upflow Anaerobic Sludge Blanket Bioreactor for Water Reuse

2021· article· en· W3191342578 sur OpenAlexafffund
Peter Innes, Sheng Chang, Md. Saifur Rahaman

Notice bibliographique

RevueWater · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensPolytechnique MontréalConcordia UniversityUniversity of Guelph
Organismes subventionnairesOntario Ministry of Food and Agriculture
Mots-clésEffluentReverse osmosisPulp and paper industryUltrafiltration (renal)Filtration (mathematics)Chemical oxygen demandMembrane foulingChemistryTotal suspended solidsBioreactorEnvironmental scienceWaste managementFoulingEnvironmental engineeringSewage treatmentMembraneChromatographyEngineering

Résumé

récupéré en direct d'OpenAlex

The low-pressure reverse osmosis (LPRO) process is a recent development of reverse osmosis (RO) technology for the reduction in RO energy consumption and operation cost. The goal of this study was to investigate the performance of LPRO processes for the treatment and reuse of effluent discharged from brewery upflow anaerobic sludge blanket bioreactors (UASB). In this study, three different commercially available LPRO membranes were tested to evaluate the water quality that can be achieved under different operational and pretreatment conditions. It was found that the filtration performance and the effluent quality of the LPRO membranes can be considerably affected by the operation conditions and the selection of the pretreatment processes. The ultrafiltration (UF) pretreatment and the control of the operation pressure were found to be essential for mitigating LPRO membrane fouling, which could be caused by Ca2+ associated precipitates and organic gelation, in the treatment of the brewery UASB effluent. Water quality analyses showed that an integrated process of the UASB + UF + LPRO could achieve an effluent quality characterized by concentrations of 10.4–12.5 mg/L of chemical oxygen demand (COD), 1.8–2.1 mg/L of total nitrogen (TN), 1.3–1.8 mg/L of ammonia nitrogen (NH3-N) and 0.8–1.2 mg/L of total phosphorus (TP). The effluent quality and the LPRO performance could be further improved by adding a granular activated carbon (GAC) adsorption process between the UF and LPRO processes, which reduced the concentration of COD to 7–10 mg/L and those of TN, TP, NH3-N to below 1 mg/L. For the treatment of the UASB effluent tested in this study, the UF, UF + GAC (retention time 4 hrs), UF + LPRO, and UF + GAC + LPRO, respectively, achieved overall COD removal efficiencies of 89.6–93.7%, 94.5–96.7%, 99.3–99.1% and 99.3–99.4%; TN removal efficiencies of 73.0–78.2%, 89.2–97.2%, 97.1–98.2% and 94.3–99.7%; and TP removal efficiencies of 29.3–46.2%, 77.0–95.4%, 95.9–97.6z% and 98.0–98.3%. This study showed that both UASB + UF + LPRO and UASB + UF + GAC + LPRO are effective treatment processes for treating brewery wastewater toward reuse water quality standards set by the United States Environmental Protection Agency (US EPA). Therefore, the results of this study would help to answer whether a LPRO can treat the brewery UASB effluent to meet the requirements of wastewater reuse standards.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,246
Écart entre enseignants0,226 · 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'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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetMembrane Separation TechnologiesTravaux en français237 207