MétaCan
Menu
Retour à la cohorte
Enregistrement W4386706009 · doi:10.21139/wej.2023.009

Gas Infusion technology: An innovative way to oxygenate and treat wastewater

2023· article· en· W4386706009 sur OpenAlexaboutno aff
M.J. MacKenzie, Andre Monutti, W. F. Campbell, Giancarlo Ronconi

Notice bibliographique

RevueWater e-Journal · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWastewaterOxygenateWaste managementSewage treatmentEnvironmental scienceActivated sludgeProcess engineeringEnvironmental engineeringEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Gas Infusion is a technology which promotes a high-rate of oxygen dissolution in aqueous streams and has been used in many processes that requires oxygen, such as aquaculture, aquifer remediation, algae bloom reduction, and beverage production, amongst others. Gas Infusion can maintain higher oxygen levels in liquids due to a proprietary gas-exchange process, allowing the introduction of pure oxygen in a bubble-less manner, creating a stable liquid stream containing enormous quantities of dissolved oxygen. The utilisation of Prosper’s Gas Infusion technology as the primary oxygen provider for a conventional activated sludge wastewater treatment is now the hypothesis to be proved. This paper evaluates Gas Infusion technology based on the results from full scale pilot plants developed for Canadian and Brazilian utilities. One of the goals of the pilots was primarily prove the efficacy of the process in terms of oxygen introduction and Biochemical Oxygen Demand (BOD) removal. Another goal was to get better understanding on how a full-scale system could be configured and the implications on capital and operational expenditures (CAPEX and OPEX, respectively) of wastewater green-field plants implementation.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,220 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater e-JournalMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207