MétaCan
Menu
Retour à la cohorte
Enregistrement W4231537999 · doi:10.32920/ryerson.14648472.v1

Effect of Thermal Hydrolysis Pretreatment on Solubilization of Primary Sludge and Thickened Waste Activated Sludge (TWAS) During Dark Fermentation Process

2021· preprint· en· W4231537999 sur OpenAlexaff
Alborz Mahmoudi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésActivated sludgeFermentationMesophileAnaerobic digestionChemistryDigestatePulp and paper industryRaw materialHydrolysisWaste managementChromatographySewage treatmentFood scienceBiochemistryOrganic chemistryMethane

Résumé

récupéré en direct d'OpenAlex

The objective of this research was to evaluate the effect of thermal hydrolysis pre-treatment on the solubilization of primary sludge (PS) and thickened waste activated sludge (TWAS) through the semi-continuous fermentation process under the mesophilic conditions. For this measure, the inoculum (anaerobic digestate), Primary Sludge (PS) and Thickened waste activated Sludge (TWAS) was subjected to the pre-treatment condition. The pre-treatment temperature ranged from 20°C to170°C. Then both raw and pre-treated sample was introduced the semi-continuous reactors for the fermentation process. The degree of solubilization was achieved 18% for raw (unpretreated sample) and 38% for the pre-treated sample. Moreover, the volatile suspended solids (VSS) reduction rate for the raw and pre-treated sample was 24% and 50% respectively. Additionally, the soluble COD production yield for the raw and pre-treated sample was obtained 247 mg COD/g VSS and 544 mg COD/g VSS correspondingly. Keywords: Fermentation process, Anaerobic digestion, Thermal hydrolysis pretreatment.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,223
Écart entre enseignants0,217 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207