MétaCan
Menu
Retour à la cohorte
Enregistrement W4226189308 · doi:10.5004/dwt.2022.27994

Comparison of dissolved air flotation and ballasted sedimentation for the treatment of an algal impacted water

2022· article· en· W4226189308 sur OpenAlexaff
Juan P. González-Galvis, Richard M. Hérard, Elise Berthier, Roberto Narbaitz

Notice bibliographique

RevueDesalination and Water Treatment · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSedimentationEnvironmental scienceDissolved air flotationWater treatmentEnvironmental engineeringGeologySedimentSewage treatmentGeomorphology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Dissolved air flotation (DAF) is considered better than conventional gravity settling (CGS) for the treatment of algal-laden waters, and ballasted sedimentation (BS), a high-rate separation process, is now often used instead of CGS. Our initial literature search did not identify DAF-BS comparisons for the removal of algae and cyanobacteria from algal laden waters. The objective of this bench-scale study was to compare DAF with BS and CGS for the treatment of water from a eutrophic waterway (Bay of Quinte, ON). The study was performed mid-summer when there was substantial algal growth. The optimized BS jar tests had 3% lower average turbidity removal than the DAF jar tests, however BS required 33% more coagulant, as well as 0.25 mg/L anionic polymer and microsand additions. The removal of cyanobacteria and algae (quantified using chlorophyll-a and c-phycocyanin concentrations) by DAF and BS were very similar, and they were superior to that achieved by CGS. The DOC removals and the disinfection by-products formation potential (DBPFP) of DAF and BS treated water were also similar. Based on the chlorophyll-a and c-phycocyanin removals, both BS and DAF performed better than CGS and can be considered suitable for the treatment of algal/cyanobacteria laden waters.

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 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 enseignants0,074
Score d'incertitude au seuil0,295

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)0,0000,000

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 Opus0,028
Tête enseignante GPT0,325
Écart entre enseignants0,297 · 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.

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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDesalination and Water TreatmentMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207