Acidogenic Fermentation of Food Waste in a Leachate Bed Reactor at High Organic Loading: Effect of Granular Activated Carbon (GAC) and Inoculum
Notice bibliographique
Résumé
Food waste forms a major fraction of municipal solid waste worldwide, constituting 15-30% of municipal solid waste.If the post-harvest losses are included, the global food waste generation exceeds 1.3 billion tons a year, with economic losses exceeding $1 trillion.Landfilling is the primary method of food waste disposal in most countries, resulting in the loss of a valuable resource (food waste) and causing adverse health and environmental effects such as greenhouse gas emissions, pollution of the subsurface environment, and loss of habitat.To ensure environmental and public health, sustainable and cost-effective approaches for food waste stabilization are being intensively researched.Technologies that can stabilize and transform food waste into valuable products present a tangible solution to this challenge.Acidogenic fermentation is emerging biotechnology that transforms food waste to high-value biochemicals such as short-chain fatty acids (SCFAs); thereby combining sustainable management of food waste with resource recovery.Dry fermenters such as leachate bed reactors (LBRs) have received a lot of attention as an economical platform for acidogenic fermentation of food waste.However, LBRs have many operational challenges that need to be resolved including low product yields at high volumetric organic loading, and long fermentation times.This study evaluated the effects of granular activated carbon (GAC) and different inoculum type/enrichment methods to improve the hydrolysis and acidogenesis of food waste in LBRs operated at high volumetric loading (49 g VS/Lreactor).First, the effects of four different GAC loadings of 0, 0.25, 0.38, and 0.51 g GAC/g VSfoodwaste on the performance of LBRs (hydrolysis and acidogenesis) was evaluated.High GAC loading of 0.51 g GAC/g VSfoodwaste achieved hydrolysis yield of 620 g SCOD/kg VSadded and acidification yield of 507 g CODSCFA/kg VSadded, which were the highestx
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».