MétaCan
Menu
Retour à la cohorte
Enregistrement W3208430790 · doi:10.32920/ryerson.14647419.v1

The removal of fats, oils and grease (FOG) from food industry wastewater by magnetic coagulation

2021· preprint· en· W3208430790 sur OpenAlexaff
Bahareh Bavar

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésGreaseWastewaterCoagulationSewageChemical oxygen demandSuspended solidsWaste managementPulp and paper industryMaterials scienceChemistryEnvironmental scienceEnvironmental engineeringComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Wastewater containing fats, oils and grease (FOG) is problematic in several ways: foul odors, blockage of sewer lines, interference with the proper sewage treatment operation and excess amount of FOG that can lead to certain fines for responsible wastewater generator. In this paper, the magnetic coagulation process is used to destabilize the oily wastewater emulsions while assisting with the oil floc formation. The oil/magnetic powder flocs were subsequently deposited and removed with the assistance of magnetic field. Preliminary investigations were devoted to calculations of optimal magnetic field. Preliminary investigations were devoted to calculations of optimal magnetic powder proportions were devoted to calculations of optimal magnetic powder proportions of various sizes and their oil sorption capacity. The results from the jar test confirmed the effectiveness of the magnetic coagulation procedure. It was demonstrated that the magnetic coagulation process with optimum amount of magnetic powder of 12 g/L could remove 94.2% of FOG, 96.9% of total suspended solids (TSS), and 86.7% of chemical oxygen demand (COD) on average.

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 enseignants0,112
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0040,000

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 Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,220 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMinerals Flotation and Separation TechniquesTravaux en français237 207