Differential impact of acidic and alkaline conditions on hydrothermal pretreatment, fermentation and anaerobic digestion of sludge
Notice bibliographique
Résumé
Abstract Anaerobic digestion and fermentation processes in wastewater sludge treatment are limited by several factors, including the slow breakdown of complex organic matter and solubilization of solids. In this study, thermochemical pretreatment of thickened waste activated sludge using high temperature (>170 °C) was investigated to understand the impact of the pretreatment on the volatile fatty acids (VFA) production and its fractions during the fermentation process. Furthermore, the influence the thermochemical pretreatment on sludge disintegration and methane recovery was investigated. A range of acidic and alkaline conditions over the pH range of 4.5–10 was examined. Sludge (pH adjusted) was exposed to hydrothermal pretreatment (HTP) at a temperature of 170 °C for 30 min. Pretreated samples were then subjected to batch fermentation and methane potential tests which revealed that acidic and alkaline conditions resulted in increased sludge solubilization during HTP. Acidic conditions were associated with a higher VFA production yield of up to 185 mg chemical oxygen demand/g total chemical oxygen demand. Alkaline conditions led to a higher methane production yield where the maximum yield (276 mL CH4/g total chemical oxygen demandadded) was found to occur at pH 10. Therefore, alkaline sludge used for fermentation has shown technical and economic feasibility for sludge carbon recovery.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».