Struvite recovery efficiency using flocculation in batch and continuous settling systems for ammonia removal of mining wastewater
Notice bibliographique
Résumé
Abstract An approach to remove ammonia from mining wastewater is to precipitate ammonia into struvite, and flocculation was proved to enhance settling of struvite flocs. But the current literature fails to consider flocculent properties of struvite flocs, and previous studies focused only on small volumes. This study evaluates the effect of ammonia concentration and height on removal efficiency of struvite flocs in a batch system and compares removal efficiency of struvite flocs between a batch and a pilot‐scale continuous settling process to evaluate the potential of using flocculation to recover struvite crystals as a stand‐alone method. Removal efficiency of struvite using flocculation is evaluated depending on depth in a batch system for two different ammonia concentrations (45 and 90 ppm) and in a continuous system for different flowrates. It is shown that a higher concentration promotes flocculation and enhances settling velocities of struvite flocs. The difference between the batch and the continuous processes for the same removal efficiency was significantly higher from what has been reported in the literature: in the continuous process, 89% of struvite flocs have been recovered with a surface overflow rate (SOR) of 1.8 m.h−1, whereas, for the same height, the same efficiency corresponds to SOR = 9 m.h−1 in the batch process. The fragile nature of struvite flocs is potentially responsible for such a difference. Practitioner Points Settling velocities of struvite flocs are highly dependant on concentration and depth. Removal efficiency are considerably higher with a batch settling process for the same surface overflow rate. Flocculation enable 89% of struvite fines to be recovered in a continuous settling process with a SOR of 1.8 m.hs−1.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».