MétaCan
Menu
Retour à la cohorte
Enregistrement W4307377237 · doi:10.2166/aqua.2022.133

The effect of pH on taste and odor production and control of drinking water

2022· article· en· W4307377237 sur OpenAlexaff
Hunter Adams, Gary A. Burlingame, Keisuke Ikehata, Laith Furatian, I. H. Suffet

Notice bibliographique

RevueJournal of Water Supply Research and Technology—AQUA · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensStantec (Canada)
Organismes subventionnairesnon disponible
Mots-clésOdorTasteChemistryEnvironmental chemistryWater qualityAdsorptionFood sciencePulp and paper industryEnvironmental engineeringEnvironmental scienceBiologyEcologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract There is general agreement that pH is an important parameter in many drinking water treatment and control processes such as taste and odor (T&O) control. However, pH is not usually targeted as a primary control parameter and its effects on T&O are often overlooked in favor of other treatment issues. When it comes to T&O control, treatment alternatives typically focus on oxidation and adsorption processes. Whether within these processes or separately, pH plays an important role and the effects on T&O should be considered. For example, pH plays a role in the speciation of odorous chemicals in the environment, some of which arise in wastewater treatment and others from the occurrence of metals in water. During blooms of algae and cyanobacteria in surface water, pH is an important parameter affecting water quality and T&O. Finally, as pH is important for the sample preservation and analysis of T&O compounds, pH is important in the fate and control of T&O. The objective of this article is to better understand the various ways that pH can influence T&O production, control, and analysis of odorants in water and encourage advancement in the state of the science of pH optimization for T&O control.

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)0,002
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 enseignants0,019
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,264
Écart entre enseignants0,252 · 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

Citations28
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Supply Research and Technology—AQUAMême sujetOdor and Emission Control TechnologiesTravaux en français237 207