Fiber-based super-bridging agents improve flotation and settling during water treatment
Notice bibliographique
Résumé
Increasing demand for water poses a major challenge to the water treatment industry. To maintain their floc removal efficiency, water treatment plants are expected to require larger separation units and use more chemicals, namely, coagulants and flocculants. Conventional physicochemical treatments produce flocs that are limited in size, which limits floc removal efficiency via gravitation-based processes such as settling and flotation. Introducing fiber-based super-bridging agents has improved the floc size, which is 10–100 times larger than conventional flocs. Such improvements could lead to important gains in floc separation and ultimately increase the capacity of water treatment plants. This study analyzed the behavior and interaction of fibers under various coagulation/flocculation conditions to improve flotation and settling. Residual turbidity < 1.5 NTU was systematically achieved when the fibers were combined with conventional physicochemical treatments (alum and polyacrylamide). The results also showed that fiber-based super-bridging agents can allow a ~50 % reduction in coagulant. Three types of renewable fibers originating from the residues were selected for jar tests: softwood cellulose, brown fibers extracted from recycled cardboard boxes, and hemp fibers. The floc settling rate increased considerably when fibers were previously incorporated into the floc structure during aggregation, thus acting as a super-bridging agent. The benefits of fibers on floc settling velocity were particularly pronounced during suboptimal coagulation, as the injection of fibers compensated for poor coagulation conditions. Air bubbles during air flotation were also better incorporated into the larger and more porous floc structure obtained via the fibers, which drastically improved floc removal during flotation. Ultimately, such fiber-based super-bridging agents can be introduced in existing water treatment plants for wastewater and drinking water applications to increase plant capacity, reduce the demand for coagulants/flocculants, and improve contaminant removal.
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) | 0,000 | 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 ».