Comparison of Relationship between Solubilization and Methane Productivity on Anaerobic Digestion of Pre-treated Waste Activated Sludge
Notice bibliographique
Résumé
Objectives : Various pre-treatment methods have been applied to waste activated sludge(WAS) to improve the efficiency of anaerobic digestion(AD) by enhancing hydrolysis. The objective of this study was to find out the relationship between increased solubilization and AD efficiency in response to the application of different pretreatment methods(Acid+Heat and Alkali+Heat) to WAS.Methods : Acid+Heat(pH 2+130℃) and Alkali+Heat(pH 10+130℃) pretreatment processes were performed by adding HCl and KOH, respectively. A biochemical methane potential(BMP) test was subsequently conducted to determine the AD efficiency of pretreated WAS. Finally, the physicochemical characteristics in the effluent of AD of WAS, done by excitation-emission matrix(EEM) and size exclusion chromatography(SEC), were analyzed to investigate the degree of changed intermediates during microbial degradation of organic compounds.Results : Both Acid+Heat and Alkali+Heat pretreatments resulted in similar solubilization of WAS, reaching 34.1 and 36.3%, respectively. Meanwhile, it was found that the CH4 yield obtained from the Alkali+Heat pretreated sample was lower than the sample of Acid+Heat. The results of EEM analysis showed that the Alkali+Heat pretreated WAS had a higher portion of less biodegradable organic compounds with high- molecular weight in the soluble sample than that of the Alkali+Heat pretreated sample.Conclusion : This study was conducted to clarify the relationship by comparing the hydrolysis rate and AD efficiency according to the application of Acid+Heat and Alkali+Heat pretreatment. It was found that the amount of methane generated could vary depending on the properties of the dissolved substances in response to different pretreatment approaches.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».