Impact of fiber-based super-bridging agents on contaminant removal via settling and screening: microplastics, textile fibers, and turbidity
Notice bibliographique
Résumé
The water treatment industry relies heavily on coagulation and flocculation processes. This technology requires large amounts of chemicals and large settling tanks for floc separation. The flocs formed during conventional treatment are small (<100 µm), which limit their removal by gravitational separation. To improve floc separation, fiber-based super-bridging agents have been added to the coagulation/flocculation process. When fibers were used in combination with a coagulant and flocculant, the flocs formed were 10 – 100 times larger, and settling was remarkably improved. The tested super-bridging agents also led to a 50% reduction in demand for both the coagulant and flocculant. The use of super-bridging agents is an effective technique for reducing turbidity and improving the removal of emerging contaminants in both synthetic and natural surface water. Formation of very large flocs with fibers also allowed the replacement of settling by screening without any effect on removal of monitored contaminants. Fibrous treatment removed up to 78% of turbidity when using a 5000 µm screen mesh size, compared to only 45% with conventional treatment (coagulant and flocculant, no fibers). Super-bridging agents also drastically improved microplastic removal. The fibrous treatment removed 80% of 15 µm polyethylene beads, compared to only 20% with the conventional treatment. Such low removal indicates potential concerns regarding the effective removal of smaller microplastics in existing water treatment plants.
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) | 0,001 | 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 ».