A dynamic compartmental model of a sequencing batch reactor (SBR) for biological phosphorus removal
Notice bibliographique
Résumé
ABSTRACT Bioreactors are usually modelled as continuous stirred tank reactors (CSTRs) or CSTRs connected in series (Tanks-In-Series configuration). In large systems with non-ideal mixing, such approaches do not sufficiently capture the complex hydrodynamics, leading to model inaccuracies due to the lumping of spatial gradients. Highly detailed computational fluid dynamics (CFD) models provide insight into complex hydrodynamics but are computationally too expensive for flow-sheet models and digital twin applications. A compartmental model (CM) can be a middle-ground by providing a more realistic representation of the hydrodynamics and still being computationally affordable. However, the hydrodynamics of a plant can be very different under varying flow conditions. Dynamic CMs can capture these changes in an elegant way. So far, the application of CMs has been limited mostly to continuous flow systems. In this study, a dynamic CM of a sequencing batch reactor (SBR) is developed for a bio-P removal process. The SBR comes with challenges for CM development due to its distinct operational stages. The dynamic CM shows significant improvements over the CSTR model (using the same biokinetic parameters) for dissolved oxygen and phosphate predictions reducing the need for model recalibration that can lead to over-fitting and limited extrapolation capability of the model.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».