Upgrading ADM1 by Addition of Lag Phase Sub-model to Simulate Acidic Inhibition of Methanogenic Reactor
Notice bibliographique
Résumé
This study is aimed at improving calculation quality for IWA Anaerobic Digestion Model No.1 (ADM1) to simulate acidic failure of the methane fermentation systems and its performance recovery. The methanogen collected from digestate at a municipal wastewater treatment plant was cultivated in a lab-scale continuous reactor receiving acetate as a sole organic source. By varying the influent concentration during 400 days of operation, 6 datasets of acidification events were obtained to simulate the concentrations of acetate, VSS, pH, and the methane production rate. The ADM1 equipped with either pH sub-model or undissociated acetate sub-model could reproduce the deterioration of reactor performance in the acidic failure but totally failed to simulate the recovery in the subsequent lowered volumetric loading rate. The statistical analysis revealed both ADM1 models had relatively low correlation coefficient (Nash-Sutcliffe model efficiency coefficient (NSE)) of 0.31–0.38 although these were considerably improved from that without parameter calibration (NSE = −0.04). To cope with the mismatch, a lag phase sub-model was developed. The sub-model is composed of the remaining relative activity of the microorganism at which the inhibition peaked, and the half-saturation coefficient to express the specific length of lag phase. By adding the sub-model into the calibrated ADM1, NSE was significantly improved to 0.49–0.53.
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) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».