MétaCan
Menu
← Retour à la cohorte
Enregistrement W4298947843

Model calibration for moving-bed biofilm and integrated fixed-film activated sludge reactors: Experiences with the Good Biofilm Reactor Modelling Protocol

2017· preprint· en· W4298947843 sur OpenAlexaboutno aff
Doris Brockmann, J.M. Choubert, G. de Villeneuve, V. Vuillaume, J.P. Boltz, Nicolas Derlon, Eberhard Morgenroth

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2017
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiofilmActivated sludgeProtocol (science)CalibrationMaterials scienceWaste managementProcess engineeringSewage treatmentEngineeringPhysicsMedicineBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The goal of this study was to evaluate the applicability of a framework for a good biofilm reactor modelling practice (GBRMP) to moving-bed biofilm reactor (MBBR) and integrated fixed-film activated sludge (IFAS) systems using a the commercially available water resource recovery facility (WRRF) simulation tool GPS-X (Hydromantis; Hamilton, ON, Canada). We tested the previously proposed calibration protocol using data from a pilot-scale MBBR and a pilot-scale IFAS systems. Both pilot-scale systems were modelled using a 1-D biofilm model and ASM1 as the process model. The MBBR model was successfully calibrated following the GBRMP calibration approach. However, calibration of the IFAS model was more difficult, as both biofilm and activated sludge related parameters needed to be calibrated with a similar set of available data as for the MBBR. For IFAS model calibration, we modified the GBRMP protocol by integrating activated sludge related variables and parameters to the calibration approach. We recommend the development of an expanded calibration protocol that incorporates criteria for calibrating both suspended growth and biofilm models when simulating hybrid (IFAS) reactors.

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)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,240
Écart entre enseignants0,215 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)→Même sujetWastewater Treatment and Nitrogen Removal→Travaux en français237 207→