A general kinetic model for biological nutrient removal activated sludge systems: Model evaluation
Notice bibliographique
Résumé
Hu et al. (2007) presented a general kinetic model for biological nutrient removal (BNR) activated sludge (AS) systems in general, but for external nitrification (EN) BNRAS (ENBNRAS) systems in particular. In this article, this model is evaluated against a large number of experimental data sets. In this evaluation, the model is first used to simulate a wide variety of conventional internal nitrification (IN) BNRAS systems to evaluate its predictions and also evaluate the model parameters suggested by Hu et al. (2007), and to calibrate those constants for which values are not available in the literature. Simulation results indicate that the model, with appropriately calibrated parameters, is capable of predicting COD removal, nitrification and denitrification and two types of biological excess phosphorus removal (BEPR), namely aerobic and anoxic/aerobic P uptake BEPR. The model is then used to simulate the ENBNRAS systems to evaluate its capacity of simulating the behaviour of this system. Simulation results show that the model is capable of simulating the behaviour of the ENBNRAS systems, including COD, nitrification, denitrification and BEPR, particularly anoxic P uptake BEPR, with the values of kinetic and stoichiometric parameters obtained in modelling conventional BNRAS systems, except for micro(NIT), K(MP), eta(PAO) and eta(H) which required calibration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».