MétaCan
Menu
Retour à la cohorte
Enregistrement W4312071567 · doi:10.1002/aws2.1314

Comparison of anthracite and <scp>GAC</scp> biofilter performance for <scp>surface‐water</scp> manganese removal

2022· article· en· W4312071567 sur OpenAlexaff
Ashley N. Kent, Martin R. Earle, Jacqueline Iannuzzi, C. Ha, Lyda Hakes, Amina K. Stoddart, William R. Knocke, Graham A. Gagnon

Notice bibliographique

RevueAWWA Water Science · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeochemistry and Elemental Analysis
Établissements canadiensDalhousie University
Organismes subventionnairesWater Research Foundation
Mots-clésBiofilterAnthraciteEffluentManganeseEnvironmental engineeringChemistryEnvironmental scienceEnvironmental chemistryPulp and paper industryAcclimatizationBotanyBiologyCoalEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Alameda County Water District has observed increased biofilter effluent manganese concentrations during winter operations. To investigate manganese removal across surface water biofilters during cold‐water conditions, trends were analyzed between water temperature and manganese removal across multiple testing scales, multiple biofilter influent water qualities, and both anthracite and GAC media. During acclimation of new biofilters, 100% removal of manganese was observed sooner across both anthracite and GAC biofilters brought online at 20°C compared to 12°C. Acclimation at 12°C required 18 extra days for the GAC biofilters and 48 additional days for the anthracite biofilters. For fully acclimated biofilters, a decrease in manganese removal across both GAC and anthracite biofilters at temperatures below 15°C was observed. However, greater and more consistent manganese removal was observed across GAC compared to anthracite biofilters. Performance differences between locations also suggest that operational and water quality conditions also likely affect manganese removal.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,242
Écart entre enseignants0,224 · 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'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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAWWA Water ScienceMême sujetGeochemistry and Elemental AnalysisTravaux en français237 207