MétaCan
Menu
Retour à la cohorte
Enregistrement W4400412398 · doi:10.1016/j.biortech.2024.131093

Adsorption enhanced biological treatment of hydrothermal liquefaction aqueous phase derived from municipal sludge

2024· article· en· W4400412398 sur OpenAlexaff
Kemal Aktaş, Huan Liu, İbrahim Alper Başar, Çiğdem Eskicioğlu

Notice bibliographique

RevueBioresource Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHydrothermal liquefactionChemistryChemical oxygen demandBiochemical oxygen demandAdsorptionAqueous solutionMesophilePulp and paper industryWastewaterWaste managementEnvironmental chemistryOrganic chemistryBacteriaCatalysis

Résumé

récupéré en direct d'OpenAlex

Hydrothermal liquefaction (HTL) is a promising method for municipal sludge valorization through waste minimization and biofuel production. The process wastewater, HTL aqueous, presents a significant challenge for scale-up due to recalcitrant compounds. In this study, granular activated carbon (GAC) was used to remove potential inhibitors from HTL aqueous through adsorption to enhance aerobic and anaerobic biological treatment. GAC removed up to 61 % chemical oxygen demand (COD), 50 % biochemical oxygen demand (BOD) and potential inhibitors, such as total phenolic compounds (87 %) and N-heterocycles (90 % of pyridines) at 100 g/L. Conversely, most volatile fatty acids remained in HTL aqueous. Subsequently, mesophilic and thermophilic specific methane potential increased by up to 97 % and 83 %, respectively. BOD increased by up to 50 %, which enhanced BOD/COD ratio from 81 % to 93 % before and after adsorption. This study established the groundwork for HTL aqueous adsorption, described mechanism for pollutant removal, and provided insights for biological treatment.

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 enseignants0,088
Score d'incertitude au seuil0,664

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 Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,233 · 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

Citations14
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioresource TechnologyMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207