MétaCan
Menu
Retour à la cohorte
Enregistrement W4391730979 · doi:10.1061/joeedu.eeeng-7420

Recovering Phosphorus from Human Urine by Electrochemical Precipitation Using Magnesium Alloy Tailings as Electrodes: Lab Scale and Pilot Scale Studies

2024· article· en· W4391730979 sur OpenAlexaff
Yueh-Feng Li, Chang-Wei Wang, Chih-Kuei Chen, Mengwei Chen, Ying-Chiao Fang, Shang‐Lien Lo

Notice bibliographique

RevueJournal of Environmental Engineering · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensStantec (Canada)
Organismes subventionnairesnon disponible
Mots-clésTailingsMagnesiumPrecipitationPhosphorusElectrochemistryEnvironmental scienceElectrodeScale (ratio)Environmental chemistryMetallurgyChemistryMaterials scienceMeteorology

Résumé

récupéré en direct d'OpenAlex

This study explored the recovery of phosphorus from human urine via electrochemical precipitation, employing magnesium alloy tailings as electrodes. The observed pH change during the process was primarily attributed to ammonium precipitation. However, the hydroxide produced by the cathode could potentially have a negative effect. There was a strong correlation between the amount of precipitate produced and pH, which can serve as a useful parameter for monitoring the effectiveness of the treatment. However, electrode corrosion significantly influenced the purity of the resultant struvite product. To counteract this, a device was designed to separate struvite from the electrode corrosion products using fluid flow, which led to an increase in purity. The pilot-scale application of magnesium electrodes proved to be an effective method for phosphorus recovery, achieving a high removal rate through adjustments to the residence time and current density. However, the limited source of wastewater resulted in a struvite production value that was considerably below the maintenance costs. Hence, the economic feasibility of this process necessitates further enhancement.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,032
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,215
Écart entre enseignants0,209 · 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 tête enseignante, 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental EngineeringMême sujetPhosphorus and nutrient managementTravaux en français237 207